# LLM Framework क्यों उपयोग करें — LangChain / LlamaIndex

Source: https://www.geekswithgeeks.com/hi/langchain-llamaindex/l-why

> समझें कि model API सीधे बुलाने की तुलना में frameworks क्या जोड़ते हैं।

## आम plumbing, एक बार लिखी

हर LLM application वही plumbing दोहराता है: templates से prompts बनाना, provider बुलाना, आउटपुट parse करना, दस्तावेज़ लोड और split करना, उन्हें embed और search करना, tools बुलाना, chat इतिहास रखना, विफलताओं पर retry, tokens stream करना और logging। **LangChain** और **LlamaIndex** इन कार्यों के लिए परखे हुए निर्माण-खंड और कई providers पर साझा interface देते हैं, इसलिए मॉडल या vector store बदलना छोटा बदलाव है। समझौते: सीखने की अतिरिक्त परत, तेज़ी से बदलती APIs, और abstractions जो छिपा सकते हैं कि मॉडल को वास्तव में क्या भेजा जा रहा है। बहुत सरल app के लिए provider का SDK सीधे बुलाना साफ़ हो सकता है; pipelines, retrieval और tools बढ़ने पर frameworks फ़ायदा देते हैं।

## LLM apps के निर्माण-खंड

LangChain चरण जोड़ता है; LlamaIndex आपका डेटा जोड़ता है; दोनों मॉडल, prompts, tools और retrievers को लपेटते हैं।

![चार परतें: मॉडल, prompt, डेटा, orchestration।](assets/figures/langchain-llamaindex/section-1-map.svg) — चित्र 1.1 — मॉडल, prompt, डेटा और orchestration।

## रसोई उपकरण बनाम हाथ से खाना

अक्सर पकाने पर mixer मेहनत बचाता है, पर एक अंडा उबालने के लिए ज़रूरत से ज़्यादा है। जब दोहराई plumbing सीखने की लागत से बड़ी हो तब framework उपयोग करें।

## देखें क्या भेजा गया

कोई भी framework हो, विकास के दौरान अंतिम prompt और मॉडल का कच्चा उत्तर log करें। अधिकांश debugging वहीं होती है।

**Quiz:** LLM frameworks मुख्य रूप से क्या देते हैं?

- [ ] मुफ़्त GPUs
- [ ] नया language model
- [x] Prompts, retrieval, tools और मॉडलों के लिए पुनः उपयोग योग्य निर्माण-खंड और साझा interfaces
- [ ] Python का विकल्प

*Answer:* Prompts, retrieval, tools और मॉडलों के लिए पुनः उपयोग योग्य निर्माण-खंड और साझा interfaces. वे मॉडल के आसपास की आम plumbing को मानकीकृत करते हैं।