# Basic LLM Chain और Prompts — n8n के साथ AI Automation

Source: https://www.geekswithgeeks.com/hi/n8n-ai-automation/ai-llm-chain

> Basic LLM Chain से model को एक prompt भेजें और workflow के डेटा से prompt बनाएँ।

## एक prompt अंदर, एक उत्तर बाहर

**Basic LLM Chain** node एक **chat model** sub-node (जैसे OpenAI या Anthropic) को एक prompt भेजता है और text लौटाता है। इसमें न tools हैं न loop, इसलिए सार बनाने, दोबारा लिखने या वर्गीकरण जैसे कामों के लिए यही सही है। Prompt को expressions से बनाएँ ताकि हर item का डेटा डले, और निर्देश system message में रखें।

## Model, memory, tools

AI nodes आपस में जुड़ते हैं: chat model तर्क देता है, memory संदर्भ रखती है, और tools उसे कर्म करने देते हैं।

![Agent के चारों ओर तीन जुड़ाव: model, memory, tools।](assets/figures/n8n-ai-automation/section-4-map.svg) — चित्र 4.1 — Agent के चारों ओर model, memory और tools।

## Item डेटा से बनी prompt

System message नियम बताता है; user message email text डालता है। Delimiters साफ़ करते हैं कि कौन-सा हिस्सा डेटा है।

```text
System:
  You summarise customer emails in two sentences. Reply with the summary only.

User:
  Email subject: {{ $json.subject }}
  <email>
  {{ $json.body }}
  </email>
```

## आसान काम को छोटा model

सार और सरल वर्गीकरण को शायद ही सबसे बड़ा model चाहिए। छोटे, सस्ते model से शुरू करें और तभी बदलें जब असली उदाहरणों पर गुणवत्ता कम पड़े।

**Quiz:** Basic LLM Chain, AI Agent से कब बेहतर है?

- [ ] जब कई tools गतिशील रूप से चुनने हों
- [x] जब काम एक prompt का हो और tools न चाहिए
- [ ] जब अंतहीन loop चाहिए
- [ ] कभी नहीं

*Answer:* जब काम एक prompt का हो और tools न चाहिए. एक prompt step, agent loop से सस्ता और ज़्यादा अनुमानित है।