En esta unidad, veremos cómo podemos usar RAG Agéntico para ayudar a Alfred a prepararse para la increíble gala.
Los LLMs están entrenados en enormes volúmenes de datos para aprender conocimiento general. Sin embargo, el modelo de conocimiento del mundo de los LLMs no siempre puede contener información relevante y actualizada. RAG resuelve este problema encontrando y recuperando información relevante de tus datos y enviándola al LLM.

Ahora, piensa en cómo funciona Alfred:
Así como Alfred necesita buscar en la información de tu hogar para ser útil, cualquier agente necesita una manera de encontrar y comprender datos relevantes. RAG Agéntico es una forma poderosa de usar agentes para responder preguntas sobre tus datos. Podemos proporcionar varias herramientas a Alfred para ayudarlo a responder preguntas. Sin embargo, en lugar de responder automáticamente a la pregunta basada en documentos, Alfred puede decidir usar cualquier otra herramienta o flujo para responder la pregunta.

¡Comencemos a construir nuestro flujo de trabajo de RAG agéntico!
Primero, crearemos una herramienta RAG para recuperar detalles actualizados sobre los invitados. Luego, desarrollaremos herramientas para búsqueda web, actualizaciones meteorológicas y estadísticas de descargas de modelos de Hugging Face Hub. Finalmente, integraremos todo para dar vida a nuestro agente RAG agéntico!
< > Update on GitHub