這篇文章整理我在使用 LlamaIndex 載入多種類文件時的筆記：怎麼用 `SimpleDirectoryReader` 讀取本地檔案、PDF 與 YouTube 字幕怎麼載入、`download_loader` 為什麼出現 DeprecationWarning，以及載入圖片時需要注意 GPU 版 PyTorch 的安裝。看完可以直接照著範例程式碼把各種格式的文件變成 LlamaIndex 的 documents。
LlamaIndex 的教學資料在哪裡？
我在學 LlamaIndex 時主要參考這兩個資源：
- 教學課程（有許多簡單範例）：LlamaIndex-course
怎麼用 LlamaIndex 載入 PDF？
範例程式載入 PDF 的寫法如下，透過 `download_loader` 取得 `PDFReader`：
```python
from pathlib import Path
from llama_index.core import download_loader
PDFReader = download_loader("PDFReader")
loader = PDFReader()
pdf_document = loader.load_data(file=Path('./sample.pdf'))
```
怎麼載入 YouTube 的字幕？
要讀 YouTube 影片的內容，可以用 `YoutubeTranscriptReader` 直接抓字幕：
```python
from llama_index.core import download_loader
YoutubeTranscriptReader = download_loader("YoutubeTranscriptReader")
loader = YoutubeTranscriptReader()
youtube_documents = loader.load_data(ytlinks=['https://www.youtube.com/watch?v=nHcbHdgVUJg&ab_channel=WintWealth'])
```
使用上面的寫法時，我會發現程式跳出這樣的警告：
DeprecationWarning: Call to deprecated function (or staticmethod) download_loader. (`download_loader()` is deprecated. Please install tool using pip install directly instead.)
PDFReader = download_loader("PDFReader")
也就是說 `download_loader` 已經被官方棄用了，接下來要改用新的檔案讀取方式。
新的文件讀取方式是什麼？
現在官方推薦的檔案讀取方式是 `SimpleDirectoryReader`，只要指定資料夾就會自動載入裡面的檔案：
```python
from llama_index.core import SimpleDirectoryReader
documents = SimpleDirectoryReader("./files").load_data()
```
不過，如果我們需要這個 Reader 使用特別的解析器去解析特別格式的文件（例如圖片），就要額外安裝相關的函式庫，如下面的介紹。
哪裡查得到各種 Reader 的清單？
當我查詢載入本地端檔案的 API 時，可以在這個頁面看到許多 Reader 的介紹：LlamaIndex Readers API 文件。
但如果直接在 `llama_index.core` 裡會找不到裡面許多的函數，這時候可以到 LlamaHub 找，那邊有許多其他開發者開發的好用函式庫。
讀取各式文件的函式庫怎麼安裝與使用？
首先先安裝所需的套件：
```bash
pip install llama-index-readers-file
```
Reader 頁面中許多各式各樣的 Reader 則請參考此文件：llama-index-readers-file。
使用範例如下，下面這個例子我們可以用 `doc.text` 去取得這張圖片的文字描述：
```python
from llama_index.core import SimpleDirectoryReader
from llama_index.readers.file import ImageCaptionReader
parser = ImageCaptionReader()
file_extractor = {
".jpg": parser,
".jpeg": parser,
".png": parser,
} # Add other image formats as needed
documents = SimpleDirectoryReader(
"./data", file_extractor=file_extractor
).load_data()
for index, doc in enumerate(documents):
print(doc.text)
```
為什麼載入圖片需要 GPU 版的 PyTorch？
要注意的是，當我們使用圖片閱讀器（`ImageCaptionReader`）時，事實上它會載入 Hugging Face 的一些 transformers 模型去做圖片辨識，而有一些模型只能使用 GPU。所以我們一定要記得 Pytorch 要安裝 GPU 版本的，可以參考官方文件：PyTorch Get Started。
如果已經安裝了 CPU 版本的，記得先把 torch 反安裝後再重新安裝 GPU 版本。
延伸閱讀
- 使用LlamaIndex載入多種類文件：同樣聚焦 LlamaIndex、RAG，可接著比較不同情境的做法。
- 使用 LlamaIndex 載入文檔：YouTube 字幕、PDF 與 Notion 一次搞定：同樣聚焦 LlamaIndex、RAG，可接著比較不同情境的做法。
- LlamaIndex 介紹：用 Python 建立 RAG 索引與查詢流程：同樣聚焦 LlamaIndex、RAG，可接著比較不同情境的做法。
常見問題
LlamaIndex 的 download_loader 為什麼出現 DeprecationWarning？
因為 `download_loader()` 已被官方棄用，官方建議直接用 pip 安裝對應的 reader 套件（例如 `llama-index-readers-file`），再從 `llama_index.readers.file` 匯入使用。舊寫法仍可運作，但新專案建議改用新方式。
LlamaIndex 怎麼載入本地資料夾裡的多種檔案？
用 `SimpleDirectoryReader("./files").load_data()`，它會自動根據副檔名選擇對應的解析器。如果某種格式需要特殊解析（如圖片產生文字描述），可以透過 `file_extractor` 參數指定專屬的 Reader。
用 LlamaIndex 讀取圖片需要注意什麼？
圖片 Reader 底層會使用 Hugging Face 的 transformers 模型做圖片辨識，部分模型只支援 GPU，因此必須安裝 GPU 版的 PyTorch。若先前裝的是 CPU 版，要先解除安裝 torch 再重裝 GPU 版。
參考資料
最後更新
2026-08-28（原文發布於 2024-05-24，本文保留原始筆記內容並補上 GEO 結構。）
關於作者 {#author}
Claire Chang ｜ 企業 AI 導入與流程轉型顧問。專注於 AI Agent 架構設計、ERP 系統整合與企業 AI 治理。
首次發布：2024-05-24