Агентный RAG

О чём урок

(Нажмите на изображение выше, чтобы посмотреть видео этого урока) Примечание AI University. Примеры кода в оригинале курса рассчитаны на Azure AI Foundry, Azure OpenAI или GitHub Models. Идеи урока не привязаны к Azure: похожих агентов можно собрать на OpenAI API или другом провайдере, но названия классов, параметры и настройка подключения будут отличаться, сверяйтесь с документацией выбранного фреймворка. В этом уроке представлен всесторонний обзор агентной генерации с дополненным поиском (Agentic Retrieval-Augmented Generation, Agentic RAG), новой парадигмы ИИ, в которой большие языковые модели (LLM) автономно планируют свои следующие шаги, извлекая информацию из внешних источников. В отличие от статичных шаблонов «поиск, затем чтение», агентный RAG включает итеративные вызовы LLM, чередующиеся с вызовами инструментов или функций и структурированными выводами. Система оценивает результаты, уточняет запросы, при необходимости вызывает дополнительные инструменты и продолжает этот цикл до достижения удовлетворительного решения. В этом уроке вы: Поймёте, что такое агентный RAG: Узнаете о новой парадигме в ИИ, где большие языковые модели (LLM) автономно планируют свои следующие шаги, извлекая информацию из внешних источников данных. Освоите итеративный стиль «создатель-проверяющий»: Поймёте цикл итеративных вызовов LLM, чередующихся с вызовами инструментов или функций и структурированными выводами, предназначенный для повышения корректности и обработки некорректных запросов. Изучите практические применения: Определите сценарии, где агентный RAG проявляет себя наилучшим образом, например, в средах, где приоритет отдаётся корректности, при сложном взаимодействии с базами данных и в расширенных рабочих процессах. После завершения этого урока вы будете знать или понимать: Понимание агентного RAG: Узнаете о новой парадигме в ИИ, где большие языковые модели (LLM) автономно планируют свои следующие шаги, извлекая информацию из внешних источников данных. Итеративный стиль «создатель-проверяющий»: Поймёте концепцию цикла итеративных вызовов LLM, чередующихся с вызовами инструментов или функций и структурированными выводами, предназначенных для повышения точности и обработки некорректных запросов.

План урока

1. Введение
2. Что такое агентный RAG?
3. Определение агентной генерации с дополненным поиском (Agentic RAG)
4. Управление процессом рассуждения
5. Итеративные циклы, интеграция инструментов и память
6. Обработка сбоев и самокоррекция
7. Границы агентности
8. Практические варианты использования и ценность