> ## Documentation Index
> Fetch the complete documentation index at: https://docs.tokenlab.sh/llms.txt
> Use this file to discover all available pages before exploring further.

# LlamaIndex

> Integrasikan TokenLab dengan LlamaIndex menggunakan integrasi yang kompatibel dengan OpenAI

## Gambaran Umum

<Note>
  **Tipe**: Framework atau Platform

  **Jalur Utama**: Kompatibel dengan OpenAI melalui OpenAILike

  **Tingkat Dukungan**: Didukung melalui OpenAILike
</Note>

Untuk TokenLab, pengaturan LlamaIndex yang paling tangguh adalah menggunakan **integrasi yang kompatibel dengan OpenAI** alih-alih menggunakan kelas OpenAI bawaan.

Dokumentasi LlamaIndex saat ini secara eksplisit merekomendasikan `OpenAILike` untuk endpoint pihak ketiga yang kompatibel dengan OpenAI, karena kelas OpenAI bawaan menyimpulkan metadata dari nama model resmi.

Dengan kata lain: perlakukan `OpenAILike` sebagai jalur TokenLab yang didukung di sini, bukan kelas OpenAI bawaan.

## Instalasi

```bash theme={null}
pip install llama-index-core \
  llama-index-readers-file \
  llama-index-llms-openai-like \
  llama-index-embeddings-openai-like
```

## Konfigurasi Dasar

```python theme={null}
from llama_index.core import Settings
from llama_index.llms.openai_like import OpenAILike
from llama_index.embeddings.openai_like import OpenAILikeEmbedding

llm = OpenAILike(
    model="gpt-5.4",
    api_base="https://api.tokenlab.sh/v1",
    api_key="sk-your-tokenlab-key",
    is_chat_model=True,
)

embed_model = OpenAILikeEmbedding(
    model_name="text-embedding-3-small",
    api_base="https://api.tokenlab.sh/v1",
    api_key="sk-your-tokenlab-key",
)

Settings.llm = llm
Settings.embed_model = embed_model
```

## Penggunaan Dasar

```python theme={null}
response = llm.complete("Explain TokenLab in one sentence.")
print(response.text)
```

## LLM OpenAILike Minimal

```python theme={null}
from llama_index.llms.openai_like import OpenAILike

llm = OpenAILike(
    model="claude-sonnet-5",
    api_base="https://api.tokenlab.sh/v1",
    api_key="sk-your-tokenlab-key",
    context_window=200000,
    is_chat_model=True,
    is_function_calling_model=True,
)
```

## Chat

```python theme={null}
from llama_index.core.llms import ChatMessage

messages = [
    ChatMessage(role="system", content="You are a helpful assistant."),
    ChatMessage(role="user", content="What is the capital of France?")
]

response = llm.chat(messages)
print(response.message.content)
```

## Streaming

```python theme={null}
for chunk in llm.stream_complete("Write a short poem about AI."):
    print(chunk.delta, end="", flush=True)
```

## Embeddings

```python theme={null}
vector = embed_model.get_text_embedding("Hello, world!")
print(vector[:5])
```

## RAG dengan Dokumen

```python theme={null}
from llama_index.core import SimpleDirectoryReader, VectorStoreIndex

documents = SimpleDirectoryReader("./data").load_data()
index = VectorStoreIndex.from_documents(documents)

query_engine = index.as_query_engine()
response = query_engine.query("What is in my documents?")
print(response)
```

## Chat Engine

```python theme={null}
chat_engine = index.as_chat_engine(chat_mode="condense_question")

response = chat_engine.chat("What is TokenLab?")
print(response)

response = chat_engine.chat("How many models does it support?")
print(response)
```

## Penggunaan Async

```python theme={null}
import asyncio

async def main():
    response = await llm.acomplete("Hello!")
    print(response.text)

asyncio.run(main())
```

## Praktik Terbaik

<AccordionGroup>
  <Accordion title="Gunakan OpenAILike untuk TokenLab">
    Gunakan `llama_index.llms.openai_like.OpenAILike` dan `llama_index.embeddings.openai_like.OpenAILikeEmbedding` untuk TokenLab dan gateway pihak ketiga lainnya yang kompatibel dengan OpenAI.
  </Accordion>

  <Accordion title="Tetapkan api_base secara eksplisit">
    Masukkan `api_base="https://api.tokenlab.sh/v1"` secara langsung di dalam kode alih-alih mengandalkan nama variabel lingkungan OpenAI yang lama.
  </Accordion>

  <Accordion title="Pisahkan peran model">
    Gunakan model chat/penalaran untuk sintesis dan `text-embedding-3-small` atau `text-embedding-3-large` untuk pengambilan data (retrieval).
  </Accordion>
</AccordionGroup>