Dans cette unité, nous allons examiner comment nous pouvons utiliser le RAG agentique pour aider Alfred à préparer l’incroyable gala.
Les LLMs sont entraînés sur d’énormes corpus de données pour apprendre des connaissances générales. Cependant, le modèle de connaissance du monde des LLMs peut ne pas toujours être des informations pertinentes et à jour. Le RAG résout ce problème en trouvant et récupérant des informations pertinentes à partir de vos données et en les transmettant au LLM.

Maintenant, pensez à comment Alfred fonctionne :
Tout comme Alfred a besoin de chercher dans vos informations domestiques pour être utile, tout agent a besoin d’un moyen de trouver et comprendre les données pertinentes. Le RAG agentique est un moyen puissant d’utiliser les agents pour répondre aux questions sur vos données. Nous pouvons passer divers outils à Alfred pour l’aider à répondre aux questions. Cependant, au lieu de répondre automatiquement à la question sur la base de documents, Alfred peut décider d’utiliser tout autre outil ou flux pour répondre à la question.

Commençons à construire notre flux de travail de RAG agentique !
Tout d’abord, nous créerons un outil RAG pour récupérer les détails à jour sur les invités. Ensuite, nous développerons des outils pour la recherche web, les mises à jour météorologiques et les statistiques de téléchargement de modèles Hugging Face Hub. Enfin, nous intégrerons tout pour donner vie à notre agent RAG agentique !
< > Update on GitHub