# SDK'ları Doğrudan Kullanma (Using SDKs Directly)

## 🎯 TL;DR
RAG (Geri Çağırmayla Desteklenmiş Üretim) uygulamak için Langchain veya LlamaIndex gibi kapsamlı çerçeveleri kullanmak zorunda değilsiniz. RAG adımlarını biliyorsanız, her adım için (parçalama, gömme oluşturma, vektör veritabanına kaydetme gibi) ilgili SDK'ları doğrudan kullanarak kendi çözümünüzü oluşturabilirsiniz.

## 📚 Anahtar Kavramlar
-   **RAG (Retrieval Augmented Generation)** → Geri Çağırmayla Desteklenmiş Üretim (Büyük Dil Modellerinin harici bilgi kaynaklarından bilgi alarak daha doğru ve bağlam odaklı yanıtlar üretmesini sağlayan bir teknik.)
-   **SDK (Software Development Kit)** → Yazılım Geliştirme Kiti (Belirli bir platform veya hizmet için uygulama geliştirmeye yarayan araçlar ve kütüphaneler bütünü.)
-   **Chunking** → Parçalama (Büyük metinleri daha küçük, yönetilebilir parçalara ayırma işlemi.)
-   **Embedding** → Gömme/Vektör Temsil (Metin, resim gibi verileri sayısal vektörlere dönüştürerek anlamsal benzerliklerini koruma tekniği.)
-   **Vector Database** → Vektör Veritabanı (Vektör temsillerini depolamak ve hızlıca aramak için optimize edilmiş veritabanı.)
-   **LLM (Large Language Model)** → Büyük Dil Modeli (İnsan dilini anlama ve üretme yeteneğine sahip yapay zeka modeli.)

## 🔍 Detay (Orijinal İngilizce)
While tools like Langchain and LlamaIndex make it easy to implement RAG, you don't have to necessarily learn and use them. If you know about the different steps of implementing RAG, you can simply do it all yourself e.g., do the chunking using `@langchain/textsplitters` package, create embeddings using any LLM e.g., use OpenAI Embedding API through their SDK, save the embeddings to any vector database e.g. if you are using Supabase Vector DB, you can use their SDK, and similarly, you can use the relevant SDKs for the rest of the steps as well.

Visit the following resources to learn more:

- [@official@Langchain Text Splitter Package](https://www.npmjs.com/package/@langchain/textsplitters)
- [@official@OpenAI Embedding API](https://platform.openai.com/docs/guides/embeddings)
- [@official@Supabase AI & Vector Documentation](https://supabase.com/docs/guides/ai)

## 🔗 Daha Detay İstersen
roadmap.sh ekibinin seçtiği kaynaklar:
- 🔧 [Langchain Metin Ayırıcı Paketi](https://www.npmjs.com/package/@langchain/textsplitters) — Langchain'in metinleri parçalamak için kullandığı resmi paketi tanıtır.
- 📜 [OpenAI Gömme API'si](https://platform.openai.com/docs/guides/embeddings) — OpenAI'nin metinleri vektör temsillerine dönüştürme API'sinin kullanımını açıklar.
- 📜 [Supabase Yapay Zeka ve Vektör Dokümantasyonu](https://supabase.com/docs/guides/ai) — Supabase'in yapay zeka ve vektör veritabanı özelliklerini ve kullanımını belgeler.