Revision: Cheat Sheet और Self-Check

Cheat sheet

परिदृश्य: frameworks पुनः उपयोग योग्य plumbing देते हैं; LangChain चरण जोड़ता है, LlamaIndex डेटा जोड़ता है; सिर्फ़ ज़रूरी packages install करें; संस्करण pin करें। LangChain core: ChatPromptTemplate, chat models, StrOutputParser/PydanticOutputParser, | operator RunnableSequence बनाता है; हर runnable में invoke, batch, stream; RunnableLambda, RunnableParallel, RunnablePassthrough। भरोसेमंदी: docstring और hints से @tool, RunnableBranch routing, .with_retry, .with_fallbacks, callbacks और tracing, session के अनुसार chat इतिहास। Retrieval: Documents, overlap वाले splitters, embeddings, vector stores, retrievers, संदर्भ + सवाल की RAG chain, filters, MMR, reranking। LlamaIndex: Document → Node → VectorStoreIndex → retriever → source_nodes वाला query engine; Settings सेट करें; persist और reload। Agents: सीमाओं सहित tool-calling loop; stateful प्रवाहों, checkpoints और अनुमोदन के लिए LangGraph; guardrails। Ship: fake-model unit tests, evaluation datasets, traces, लागत व latency नियंत्रण, secrets, pin की निर्भरताएँ; framework कुछ न जोड़े तो छोड़ दें।

त्वरित जाँच: आपकी chain की JSON parsing कभी-कभी विफल होती है क्योंकि मॉडल अतिरिक्त पाठ जोड़ता है। सबसे मज़बूत सुधार क्या है?

• Native structured output या Pydantic parser, validate, और विफलता पर retry
• Errors अनदेखे करें
• Chunk आकार बढ़ाएँ
• Parser हटाएँ

त्वरित जाँच: RAG app में ग़लत उत्तर की सबसे आम व्याख्या कौन-सा चरण करता है?

• Python संस्करण string
• UI का font
• Retrieval ने प्रासंगिक अंश नहीं लौटाया
• Repo नाम की लंबाई

त्वरित जाँच: Agent loop में हमेशा क्या होना चाहिए?

• हर system पर लिखने की पहुँच
• असीमित iterations
• चरण और बजट सीमाएँ, argument validation और tool calls की logging
• कोई tests नहीं