系列导读

你现在看到的是《LlamaIndex 知识库问答系统从入门到生产：10 步构建企业级 RAG 应用》的第9/10篇，当前这篇会重点解决：让读者掌握将 LlamaIndex 知识库系统从本地脚本升级为可对外服务的完整流程。

上一篇回顾：第 8 篇《构建多轮对话与记忆：让知识库问答系统具备上下文能力》主要聚焦 赋予知识库系统对话记忆能力，让交互更自然，避免每次提问都像第一次。 下一篇预告：第 10 篇《生产环境实战：性能压测、异常处理与持续优化》会继续展开 提供生产级部署与运维的完整经验，帮助读者规避常见坑点，保障系统稳定运行。

全系列安排

1. LlamaIndex 初探：为什么你需要一个专属知识库问答系统？
2. 数据接入实战：从 PDF、网页到数据库——LlamaIndex 的 Reader 全家桶
3. 文本分割的艺术：Chunk 策略如何影响问答质量？
4. 向量索引与 Embedding 模型选型：从 OpenAI 到开源部署
5. 向量数据库集成：用 Chroma 和 Milvus 实现持久化与大规模检索
6. 查询引擎深度优化：检索策略与重排序提升答案精准度
7. 大模型接入与 Prompt 工程：让 LLM 更懂你的知识库
8. 构建多轮对话与记忆：让知识库问答系统具备上下文能力
9. API 化与微服务部署：用 FastAPI 将 LlamaIndex 封装成生产接口（本文）
10. 生产环境实战：性能压测、异常处理与持续优化

导语：为什么需要 API 化？从脚