Fundamentos de los Agentes Inteligentes y LangChain
Agiliza procesos usando Agentes AI
Introducción a LangChain
Agentes inteligentes de LangChain
Instalación y configuración de LangChain
Quiz: Fundamentos de los Agentes Inteligentes y LangChain
Chat Models y Prompt templates
Introducción a los modelos de chat
Chat Messages con OpenAI
Output parsers
Prompt templates en LangChain
Tipos de ChatTemplates: Few-Shot Prompting
Quiz: Chat Models y Prompt templates
Cadenas en LangChain
Introducción a Chains y LCEL
Chat con historial
Integración de cadena: Runnable y OutputParser
Chat Memory
Implementación de memoria en cadenas
Quiz: Cadenas en LangChain
Carga de documentos en LangChain
Carga de PDF y CSV con LangChain
Cargar HTML y Directorio con LangChain
Text Splitters
Quiz: Carga de documentos en LangChain
Retrieval-augmented generation (RAG)
Introducción a Embeddings
VectorStore: Chroma
Vectorstore: Pinecone
Chatbot RAG: carga de documentos a Vectorstore
Chatbot RAG: prompt templates, cadenas y memoria
Quiz: Retrieval-augmented generation (RAG)
Agentes en LangChain
LangChain Tools
Construcción de agentes en LangChain
Construcción de agentes con memoria
Quiz: Agentes en LangChain
Ecosistema de LangChain
Ecosistema de LangChain
No tienes acceso a esta clase
¡Continúa aprendiendo! Únete y comienza a potenciar tu carrera
Un agente es un sistema que utiliza un modelo de lenguaje como núcleo para tomar decisiones sobre qué acciones ejecutar y qué entradas proporcionar a esas acciones. Estos agentes pueden realizar tareas más complejas y específicas que las que se limitan a la generación de texto, ya que son capaces de:
Los agentes permiten controlar partes de código o acceder a información en tiempo real, lo que los hace mucho más útiles en aplicaciones que requieren integración con sistemas externos.
En LangChain, los Toolkits son una colección de herramientas que se pueden integrar con un agente para que este realice acciones específicas. Cada tool (herramienta) puede conectarse a un servicio externo o sistema y actuar como un intermediario entre el modelo de lenguaje y la información que se necesita.
En este proyecto, estamos utilizando Tabli Search, una herramienta para realizar búsquedas en internet en tiempo real. Esto permite que el agente obtenga información actualizada sobre cualquier tema que se necesite, lo cual es ideal para consultas dinámicas o casos donde el modelo por sí solo no tenga acceso a datos específicos.
Ejemplo: Si el agente necesita obtener información reciente sobre un modelo de OpenAI, como el O1-Mini, puede utilizar Tabli Search para hacer la consulta, buscar en fuentes externas, y devolver una respuesta basada en los resultados encontrados.
En este caso, hemos combinado el uso de Tabli Search con un Retriever Tool. Esta segunda herramienta utiliza una base vectorial para almacenar y recuperar documentos fragmentados (como páginas web o PDFs) que ya hemos cargado y vectorizado.
El flujo general es el siguiente:
Este enfoque permite que el agente sea más versátil y útil, pudiendo manejar tanto información almacenada previamente como datos obtenidos en tiempo real.
La base vectorial permite al agente almacenar y buscar en documentos previamente vectorizados (convertidos en representaciones numéricas llamadas embeddings). Cada vez que un usuario hace una pregunta, el agente puede buscar en esta base vectorial para recuperar información relevante, que luego se procesa junto con los resultados de las búsquedas en internet.
Vectorización: Este proceso convierte los documentos (como PDFs o sitios web) en vectores, que son representaciones numéricas del contenido semántico. Esto permite realizar búsquedas por similitud en los documentos cargados. Los vectores similares se encuentran cerca en el espacio vectorial, lo que permite recuperar información relevante rápidamente.
En este proyecto, el agente tiene un prompt personalizado que define cómo debe comportarse. El System Prompt indica las reglas que el agente debe seguir, como consultar los documentos o utilizar Tabli Search para información externa. Este prompt también define cómo debe interactuar con las diferentes herramientas disponibles y cómo estructurar las respuestas para los usuarios.
Aportes 4
Preguntas 0
¿Quieres ver más aportes, preguntas y respuestas de la comunidad?