Budowanie agentów AI z LlamaIndex i RAG

W miarę ewolucji sztucznej inteligencji statyczne modele językowe przestają wystarczać; nowoczesne aplikacje wymagają AI, która potrafi aktywnie pobierać niestandardowe dane i wykonywać wieloetapowe zadania. Ten kurs uczy, jak wypełnić lukę między dużymi modelami językowymi a własnymi źródłami danych przy użyciu LlamaIndex. Zaczniesz od podstawowych koncepcji agentów AI i Retrieval-Augmented Generation (RAG), przechodząc krok po kroku przez proces budowania solidnych, opartych na danych przepływów pracy agentów. Czego się nauczysz: Zrozumiesz podstawową terminologię dotyczącą agentów AI, LLMs i architektur RAG. Skonfigurujesz LlamaIndex do pobierania, indeksowania i odpytywania własnych źródeł danych. Zbudujesz podstawowe potoki RAG, aby poprawić dokładność i trafność odpowiedzi AI. Zaprojektujesz przepływy pracy agentów, które potrafią rozbijać złożone zapytania i efektywnie kierować zadaniami. Zintegrujesz nowoczesne wektorowe bazy danych, aby wydajnie przechowywać i pobierać dane. Zastosujesz podstawy prompt engineering, aby prowadzić swoich agentów ku wiarygodnym wynikom. Kurs rozpoczyna się od niezbędnej terminologii i fundamentalnych pojęć, a następnie prowadzi przez pisemne ćwiczenia mające na celu skonstruowanie pierwszych indeksów danych i pętli agentów. Przejdziesz od prostych zapytań o dokumenty do projektowania wieloetapowych agentów AI zdolnych do wnioskowania na złożonych zestawach danych. Ten kurs jest przeznaczony dla początkujących, aspirujących inżynierów danych i programistów bez wcześniejszego doświadczenia w AI, którzy chcą zrozumieć mechanikę przepływów pracy agentów. Zacznij czytać już dziś, aby odblokować potencjał swoich danych i zbudować swojego pierwszego inteligentnego agenta AI.