ValueError: Invalid query, got errors:

问题场景

用户在使用 LlamaIndex 的 WeaviateVectorStore 时，同时配置了独立的 IndexStore（如 PostgreSQL）来保存索引元数据。流程为：先用 WeaviateVectorStore 创建索引并写入节点，再从 IndexStore 加载该索引，最后对索引执行查询。查询触发后 Weaviate 服务端抛出属性不存在的错误。

报错原文

ValueError: Invalid query, got errors: <AioRpcError of RPC that terminated with:
	status = StatusCode.UNKNOWN
	details = "no such prop with name 'id' found in class 'W_b4ae0a5153e0eaecd4b67a84b30b5da1151f97f77b6ceabde7c03d7536c46bc0' in the schema. Check your schema files for which properties in this class are available"
>

原因分析

可能原因：WeaviateVectorStore 的 query 方法在按 node_ids 过滤时，使用了 {"path": ["id"]} 作为属性路径。但 Weaviate 默认 schema 的 properties 中并没有名为 id 的字段（id 是 Weaviate 对象的系统保留字段，不是普通属性）。当使用独立 IndexStore 重建索引后，查询过滤器指向了不存在的属性，导致 Weaviate 返回 “no such prop with name ‘id'”。

多数用户未触发此问题，是因为他们只使用 WeaviateVectorStore 而不搭配独立 IndexStore，因此没有走到带 node_ids 过滤的查询分支。

环境排查

• 确认 LlamaIndex 版本是否为 0.11.2 或相近版本，检查 llama-index-vector-stores-weaviate 包的版本。
• 确认是否使用了独立 IndexStore（如 PostgreSQL）来持久化索引，而不仅仅是 WeaviateVectorStore。
• 检查 Weaviate 中对应 class 的 schema properties，确认节点 ID 实际存储在哪个属性名下。
• 确认 Weaviate 服务端版本及连接方式（gRPC 或 HTTP），该报错来自 gRPC 通道。

解决步骤

1. 先检查你的 Weaviate class schema。在 Weaviate 中查看该 class 的 properties，确认节点 ID 对应的属性名（例如可能是 node_id、doc_id 或自定义字段）。
2. 定位 llama-index-integrations/vector_stores/llama-index-vector-stores-weaviate/llama_index/vector_stores/weaviate/base.py 中 query 方法内按 node_ids 过滤的代码段，找到类似 {"path": ["id"], ...} 的写法。
3. 将属性路径中的 "id" 改为你 schema 中实际存储节点 ID 的属性名。例如如果属性名为 node_id，则改为 {"path": ["node_id"], "operator": "Equal", "valueText": node_id}。
4. 确认修改后与查询过滤器的 operator（如 “Or”）逻辑保持一致，不改动其他结构。
5. 如果不想改动源码，可考虑避免在查询时传入 node_ids，但这种方式会改变查询行为，需谨慎使用。

验证方法

修改后重新执行查询：从 IndexStore 加载索引，对 WeaviateVectorStore 执行与之前相同的查询，确认不再出现 no such prop with name 'id' 错误，且能正确返回匹配节点结果。

参考来源

run-llama/llama_index #15743

AI 工具推荐

想把多个 AI 模型放在一个入口？

GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型，适合写作、绘图、视频和日常 AI 工作流。

了解 GamsGo AI

推广链接：通过此链接购买，我可能获得佣金，不影响你的价格。