Llamaindex TS SimpleDirectoryReader本地正常但AWS EC2无法读取文件求助

1. 验证EC2上的文件是否完整 #

二进制文件（PDF、DOCX）在Git克隆或传输过程中，容易因文本格式转换、传输中断导致损坏：

• 本地和EC2分别计算文件哈希值对比：

  # 本地执行
  md5sum ./data/example.pdf
  # EC2服务器执行
  md5sum ./data/example.pdf
  

• 若哈希值不一致，说明文件已损坏：
  • 改用git lfs管理二进制文件后重新克隆代码；
  • 或通过scp -C ./data/* ec2-user@<EC2_IP>:/path/to/app/data/直接上传本地文件到EC2。

2. 替换相对路径为绝对路径 #

代码中./data是相对当前工作目录的路径，若EC2上启动服务时的工作目录不是代码根目录，会导致读取错误：
修改代码为绝对路径，确保路径指向准确：

const path = require('path');
const directoryPath = path.resolve(__dirname, './data');
const directoryReader = new SimpleDirectoryReader();
const documents = await directoryReader.loadData({ directoryPath });

3. 确保本地与EC2的依赖版本一致 #

不同版本的LlamaIndex Node.js SDK或其底层依赖（如PDF解析库）可能存在兼容性问题：

• 本地查看版本：npm list llamaindex
• EC2上执行相同命令对比，若版本不一致：

  rm -rf node_modules package-lock.json
  npm ci # 严格按照package-lock.json安装依赖，保证版本一致
  

4. 用系统工具验证文件可读性 #

排除文件本身的损坏问题：

• PDF验证：先安装工具sudo yum install poppler-utils，再执行pdftotext ./data/example.pdf -，若能正常输出文本则文件无损坏；
• DOCX验证：执行unzip -l ./data/example.docx，若能列出压缩包内的文件结构则文件无损坏。
• 若系统工具能正常读取但LlamaIndex无法读取，需检查LlamaIndex版本适配性，或向官方提交问题反馈。

内容的提问来源于stack exchange，提问作者Joji