使用llama_index的VectorStoreIndex遇OpenAI密钥缺失异常，为何需该密钥？

默认情况下LlamaIndex的VectorStoreIndex会调用OpenAI的Embedding模型生成文本向量，所以会要求你提供OpenAI的API密钥。如果不想用付费的OpenAI服务，可以切换到开源的本地Embedding模型，完全免费且不需要联网。

解决步骤： #

1. 安装依赖库
   先安装sentence-transformers，它提供了多种开源的Embedding模型：

   pip install sentence-transformers
   

2. 修改代码使用本地Embedding模型
   替换默认的Embedding配置，使用开源模型构建索引：

   from llama_index import (
       SimpleDirectoryReader,
       VectorStoreIndex,
       ServiceContext
   )
   from llama_index.embeddings import SentenceTransformerEmbedding
   
   # 加载本地文档
   documents = SimpleDirectoryReader("docs").load_data()
   
   # 初始化开源Embedding模型（这里用all-MiniLM-L6-v2，轻量且效果不错）
   embed_model = SentenceTransformerEmbedding(model_name="all-MiniLM-L6-v2")
   service_context = ServiceContext.from_defaults(embed_model=embed_model)
   
   # 使用本地模型构建索引
   index = VectorStoreIndex.from_documents(documents, service_context=service_context)
   

这样修改后，代码就会使用本地的开源Embedding模型，不再依赖OpenAI的API，也就不会再要求你提供API密钥了。

内容的提问来源于stack exchange，提问作者mce