Génération augmentée par récupération agentique ( Agentic Retrieval Augmented Generation - RAG)

Dans cette unité, nous allons examiner comment nous pouvons utiliser le RAG agentique pour aider Alfred à préparer l’incroyable gala.

Nous savons que nous avons déjà discuté de la génération augmentée par récupération (*Retrieval Augmented Generation* - RAG) et du *RAG agentique* dans l'unité précédente, donc n'hésitez pas à passer directement à la suite si vous êtes déjà familier avec ces concepts.

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.

RAG

Maintenant, pensez à comment Alfred fonctionne :

  1. Nous avons demandé à Alfred d’aider à planifier un gala
  2. Alfred doit trouver les dernières nouvelles et informations météorologiques
  3. Alfred doit structurer et rechercher les informations sur les invités

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.

RAG agentique

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