增量更新索引
追踪输入内容的变化；再次运行流程时跳过未变化的处理结果，并同步新增、修改或删除内容对应的输出。
BAIZE AI RESOURCE
增量数据索引工具
Cocoindex
Cocoindex 是用于构建数据处理与索引流程的工具，可将文件或云端资料转换为可查询的数据。它会追踪来源变化，在再次运行时只处理受影响的内容，帮助开发者减少重复处理工作。
资源介绍
Cocoindex 面向需要整理和检索持续变化资料的开发者。用户可以编写处理流程，读取本地文件或云端存储中的内容，再将其转换为文本、向量或表格记录。仓库示例展示了文档分段与嵌入、音频转录，以及将结果写入可查询目标的用法。它的重点是增量更新：资料新增、修改或删除后，再次运行流程即可同步受影响的结果，而不必每次从头处理全部数据。适合构建文档语义搜索、录音转录索引等应用；具体示例所需的模型凭据和存储服务随所选流程而异。
应用能力
文档语义检索
可将 Markdown 文档分段并生成向量，写入检索目标，用于按自然语言查找相关内容。
音频转录入表
示例流程可读取文件夹中的音频，调用语音转文字模型，并按文件名保存转录文本。
连接云端资料
示例支持从 Amazon S3 或 Azure Blob Storage 读取匹配的 Markdown 文件，处理后建立索引。
资源配置
应用版本
v1.0.25
运行环境
WindowsmacOSLinux
安装方式
命令安装包管理器安装源码运行
依赖环境
Python
安装与使用
获取 cocoindex 项目，选择与目标资料类型相符的示例流程。
安装所选示例的依赖，并配置该流程需要的来源访问权限、模型凭据和输出目标。
运行示例中的 cocoindex update main，建立或更新处理结果；资料变化后再次运行以同步索引。
使用案例
云端文档语义搜索
使用场景开发者需要检索存放在云端的 Markdown 文档。
使用 Amazon S3 文档嵌入示例读取匹配文件，分段生成向量并写入检索目标；文档变化后重新运行流程，同步受影响的索引内容。
录音转录整理
使用场景团队希望将文件夹中的会议录音整理为可查询的文字记录。
使用音频转文字示例逐个转录音频，并按文件名保存结果；新增或修改录音后重新运行流程，更新相应记录。
包含内容
cocoindex-source.zip
README-中文安装说明.md
LICENSE-Apache-2.0.txt
SHA256.txt
常见问题
资料更新后需要重新处理全部内容吗？
不需要。项目示例使用增量处理：再次运行更新流程时，未变化的内容可跳过；新增、修改或删除的来源会同步影响对应结果。
能从 Azure Blob Storage 中索引文档吗？
可以。仓库提供 Azure Blob Storage 示例，可读取容器中匹配的 Markdown 文件，将其分段、生成向量并写入 Postgres；该示例需要容器读取权限及相应的输出环境。
音频转录示例默认使用什么模型？
该示例默认使用 whisper-1，通过 LiteLLM 调用语音转文字模型，并将每个音频文件的转录结果保存为一条记录。
相关资源
