> ## 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

> OpenAI uyumlu entegrasyonları kullanarak TokenLab'i LlamaIndex ile entegre edin

## Genel Bakış

<Note>
  **Tür**: Framework veya Platform

  **Birincil Yol**: OpenAILike aracılığıyla OpenAI uyumlu

  **Destek Güveni**: OpenAILike aracılığıyla desteklenir
</Note>

TokenLab için en sağlam LlamaIndex kurulumu, yerleşik OpenAI sınıfları yerine **OpenAI uyumlu entegrasyonları** kullanmaktır.

Mevcut LlamaIndex dokümanları, üçüncü taraf OpenAI uyumlu uç noktalar için açıkça `OpenAILike` kullanımını önermektedir; çünkü yerleşik OpenAI sınıfları meta verileri resmi model isimlerinden çıkarır.

Başka bir deyişle: `OpenAILike` sınıfını, yerleşik OpenAI sınıfları yerine burada desteklenen TokenLab yolu olarak kabul edin.

## Kurulum

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

## Temel Yapılandırma

```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
```

## Temel Kullanım

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

## Minimal OpenAILike LLM

```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,
)
```

## Sohbet (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)
```

## Akış (Streaming)

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

## Gömme (Embeddings)

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

## Dokümanlar ile RAG

```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)
```

## Sohbet Motoru (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)
```

## Asenkron Kullanım

```python theme={null}
import asyncio

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

asyncio.run(main())
```

## En İyi Uygulamalar

<AccordionGroup>
  <Accordion title="TokenLab için OpenAILike kullanın">
    TokenLab ve diğer üçüncü taraf OpenAI uyumlu ağ geçitleri için `llama_index.llms.openai_like.OpenAILike` ve `llama_index.embeddings.openai_like.OpenAILikeEmbedding` sınıflarını tercih edin.
  </Accordion>

  <Accordion title="api_base değerini açıkça ayarlayın">
    Eski OpenAI ortam değişkeni isimlerine güvenmek yerine `api_base="https://api.tokenlab.sh/v1"` değerini doğrudan kod içerisinde geçirin.
  </Accordion>

  <Accordion title="Model rollerini ayrı tutun">
    Sentezleme için sohbet/akıl yürütme modellerini, geri alma (retrieval) işlemleri için ise `text-embedding-3-small` veya `text-embedding-3-large` modellerini kullanın.
  </Accordion>
</AccordionGroup>