LangChain / LlamaIndex

LangChain और LlamaIndex से LLM applications बनाएँ: prompts, runnables, parsers, tools, retrieval, indexes, query engines, agents और testing, fake models के साथ ऑफ़लाइन चलाए उदाहरणों सहित।

कोर्स शुरू करें →

पाठ्यक्रम

Framework परिदृश्य

  1. LLM Framework क्यों उपयोग करें
  2. LangChain, LlamaIndex और उनके Packages
  3. LangChain बनाम LlamaIndex: कब कौन-सा
  4. मानसिक मॉडल: सब कुछ typed चरणों की Pipeline

LangChain Core: Prompts, Models और Chains

  1. Prompt Templates और Messages
  2. Chat Models और Pipe (LCEL) Chain
  3. Runnables: Lambda, Parallel, Passthrough और Batch
  4. Output Parsers और Structured Output
  5. Streaming और Async

LangChain: Tools, Routing और भरोसेमंदी

  1. Tools परिभाषित करना
  2. Routing और Branching
  3. Retries, Fallbacks और Timeouts
  4. Callbacks, Tracing और Debugging
  5. Chat History और Memory

LangChain से Retrieval

  1. Documents, Loaders और Text Splitters
  2. Embeddings, Vector Stores और Retrievers
  3. RAG Chain बनाना
  4. Retrieval बेहतर बनाना: Filters, MMR, Reranking

LlamaIndex: डेटा, Indexes और Query Engines

  1. LlamaIndex Data Model: Documents और Nodes
  2. Vector Index और Retriever बनाना
  3. Query Engines और Response Synthesis
  4. Index को Persist और Reload करना

Agents और Workflows

  1. Agents: Tool-Calling Loop
  2. LangGraph: Stateful Workflows
  3. Agentic Apps के लिए Guardrails

Testing, Evaluating और Shipping

  1. Fake Models से Unit Testing
  2. गुणवत्ता का मूल्यांकन: Datasets, Metrics, Tracing
  3. संस्करण, लागत, Latency और सुरक्षा
  4. Framework कब छोड़ें

सब कुछ जोड़ना

  1. केस स्टडी: Documentation सहायक
  2. Revision: Cheat Sheet और Self-Check