在构建基于大语言模型的应用时，LlamaIndex 和 LangChain 各自承担什么职责？请说明在什么场景下会选择将两者集成，并阐述两者结合的具体方式。
考察说明
考查对 LlamaIndex 与 LangChain 功能定位的理解，以及在实际项目中集成二者的方案设计能力。
回答思路
- 【回答框架 1】LlamaIndex 专注于数据索引与检索，提供数据连接器、索引结构（如向量索引、树索引）和查询接口，擅长处理文档加载、切分、嵌入及基于检索的问答；LangChain 则更侧重应用编排，提供链、代理、工具调用、记忆管理等组件，用于构建完整的 LLM 应用流程。
- 【回答框架 2】二者结合时，通常以 LlamaIndex 作为数据层，负责将业务数据（如 PDF、数据库）转化为可检索的向量索引，并对外暴露查询引擎；LangChain 作为应用层，通过其 Agent 或 Chain 调用 LlamaIndex 的查询引擎，将检索结果注入提示词，再由 LLM 生成最终回答。
- 【回答框架 3】具体集成方式包括：在 LangChain 中直接调用 LlamaIndex 的 `QueryEngine` 或 `Retriever`，将其作为单个工具（Tool）接入 Agent；也可用 LlamaIndex 构建数据索引后，将索引加载到 LangChain 的检索器接口，实现无缝切换。
- 【回答框架 4】选择结合的场景包括：需要 Agent 自主决策调用多个数据源时，或需要利用 LangChain 的复杂流程控制（如多步推理、条件分支）同时享受 LlamaIndex 的高效检索能力。
- 【回答框架 5】实际项目中需注意循环依赖或两框架版本兼容问题，建议以一方为主，另一方作为辅助模块，避免过度设计。
- 【关键点 1】LlamaIndex 定位数据检索，LangChain 定位应用编排，二者互补
- 【关键点 2】集成方式为 LangChain 调用 LlamaIndex 的查询引擎或检索器作为工具
- 【关键点 3】结合场景是需求复杂 Agent 和高效数据检索时
- 【关键点 4】应控制依赖方向，避免双向依赖