ai-agents-for-beginners
(ਉਪਰ ਦਿੱਤੀ ਤਸਵੀਰ ‘ਤੇ ਕਲਿੱਕ ਕਰਕੇ ਇਸ ਪਾਠ ਦਾ ਵੀਡੀਓ ਵੇਖੋ)
Agentic RAG
ਇਹ ਪਾਠ Agentic Retrieval-Augmented Generation (Agentic RAG) ਦਾ ਵਿਸਤ੍ਰਿਤ ਜਾਇਜ਼ਾ ਪ੍ਰਦਾਨ ਕਰਦਾ ਹੈ, ਜੋ ਕਿ ਇੱਕ ਉਭਰਦਾ ਹੋਇਆ AI ਪੈਰਾਡਾਇਮ ਹੈ ਜਿੱਥੇ ਵੱਡੇ ਭਾਸ਼ਾ ਮਾਡਲ (LLMs) ਬਾਹਰੀ ਸਰੋਤਾਂ ਤੋਂ ਜਾਣਕਾਰੀ ਖਿੱਚਦੇ ਹੋਏ ਆਪਣੇ ਅਗਲੇ ਕਦਮਾਂ ਦੀ ਯੋਜਨਾ ਸਵੈ-ਚਾਲਤ ਤਰੀਕੇ ਨਾਲ ਬਣਾਉਂਦੇ ਹਨ। ਸਥਿਰ ਰੀਟਰੀਵਲ-ਤਦ-ਪੜ੍ਹਨ ਪੈਟਰਨਾਂ ਦੇ ਵਿਰੁੱਧ, Agentic RAG ਵਿੱਚ LLM ਨੂੰ ਵਾਰ-ਵਾਰ ਕਾਲ ਕਰਨਾ ਸ਼ਾਮਲ ਹੁੰਦਾ ਹੈ, ਜਿਸ ਵਿੱਚ ਟੂਲ ਜਾਂ ਫੰਕਸ਼ਨ ਕਾਲ ਅਤੇ ਸੰਰਚਿਤ ਆਉਟਪੁੱਟ ਸ਼ਾਮਲ ਹੁੰਦੇ ਹਨ। ਸਿਸਟਮ ਨਤੀਜਿਆਂ ਦਾ ਮੁਲਾਂਕਨ ਕਰਦਾ ਹੈ, ਪ੍ਰਸ਼ਨਾਂ ਨੂੰ ਸੁਧਾਰਦਾ ਹੈ, ਜਰੂਰਤ ਪੈਣ ‘ਤੇ ਵਾਧੂ ਟੂਲਾਂ ਨੂੰ ਕਾਲ ਕਰਦਾ ਹੈ, ਅਤੇ ਸੰਤੋਸ਼ਜਨਕ ਹੱਲ ਤੱਕ ਇਹ ਚੱਕਰ ਜਾਰੀ ਰੱਖਦਾ ਹੈ।
ਪਰਚੇ
ਇਸ ਪਾਠ ਵਿੱਚ ਤੁਸੀਂ ਸਿੱਖੋਗੇ:
- Agentic RAG ਨੂੰ ਸਮਝੋ: AI ਵਿੱਚ ਉਭਰਦੇ ਪੈਰਾਡਾਇਮ ਬਾਰੇ ਜਾਣਕਾਰੀ ਪ੍ਰਾਪਤ ਕਰੋ ਜਿੱਥੇ ਵੱਡੇ ਭਾਸ਼ਾ ਮਾਡਲ (LLMs) ਬਾਹਰੀ ਡਾਟਾ ਸਰੋਤਾਂ ਤੋਂ ਜਾਣਕਾਰੀ ਖਿੱਚਦੇ ਹੋਏ ਆਪਣੇ ਅਗਲੇ ਕਦਮਾਂ ਦੀ ਯੋਜਨਾ ਸਵੈ-ਚਾਲਤ ਤਰੀਕੇ ਨਾਲ ਬਣਾਉਂਦੇ ਹਨ।
- Iterative Maker-Checker Style ਨੂੰ ਸਮਝੋ: LLM ਨੂੰ ਵਾਰ-ਵਾਰ ਕਾਲ ਕਰਨ ਦੇ ਚੱਕਰ ਨੂੰ ਸਮਝੋ, ਜਿਸ ਵਿੱਚ ਟੂਲ ਜਾਂ ਫੰਕਸ਼ਨ ਕਾਲ ਅਤੇ ਸੰਰਚਿਤ ਆਉਟਪੁੱਟ ਸ਼ਾਮਲ ਹੁੰਦੇ ਹਨ, ਜੋ ਸਹੀਪਨ ਨੂੰ ਸੁਧਾਰਨ ਅਤੇ ਗਲਤ ਪ੍ਰਸ਼ਨਾਂ ਨੂੰ ਹਲ ਕਰਨ ਲਈ ਡਿਜ਼ਾਈਨ ਕੀਤਾ ਗਿਆ ਹੈ।
- ਵਿਵਹਾਰਕ ਅਰਜ਼ੀਆਂ ਦੀ ਖੋਜ ਕਰੋ: ਉਹ ਸਥਿਤੀਆਂ ਪਛਾਣੋ ਜਿੱਥੇ Agentic RAG ਚਮਕਦਾ ਹੈ, ਜਿਵੇਂ ਕਿ correctness-first environments, ਜਟਿਲ ਡਾਟਾਬੇਸ ਇੰਟਰੈਕਸ਼ਨ, ਅਤੇ ਵਧੇਰੇ ਵਰਕਫਲੋਜ਼।
ਸਿੱਖਣ ਦੇ ਲਕਸ਼
ਇਸ ਪਾਠ ਨੂੰ ਪੂਰਾ ਕਰਨ ਤੋਂ ਬਾਅਦ, ਤੁਸੀਂ ਇਹ ਸਮਝ ਪਾ ਸਕੋਗੇ:
- Agentic RAG ਨੂੰ ਸਮਝਣਾ: AI ਵਿੱਚ ਉਭਰਦੇ ਪੈਰਾਡਾਇਮ ਬਾਰੇ ਜਾਣਕਾਰੀ ਪ੍ਰਾਪਤ ਕਰੋ ਜਿੱਥੇ ਵੱਡੇ ਭਾਸ਼ਾ ਮਾਡਲ (LLMs) ਬਾਹਰੀ ਡਾਟਾ ਸਰੋਤਾਂ ਤੋਂ ਜਾਣਕਾਰੀ ਖਿੱਚਦੇ ਹੋਏ ਆਪਣੇ ਅਗਲੇ ਕਦਮਾਂ ਦੀ ਯੋਜਨਾ ਸਵੈ-ਚਾਲਤ ਤਰੀਕੇ ਨਾਲ ਬਣਾਉਂਦੇ ਹਨ।
- Iterative Maker-Checker Style: LLM ਨੂੰ ਵਾਰ-ਵਾਰ ਕਾਲ ਕਰਨ ਦੇ ਚੱਕਰ ਨੂੰ ਸਮਝੋ, ਜਿਸ ਵਿੱਚ ਟੂਲ ਜਾਂ ਫੰਕਸ਼ਨ ਕਾਲ ਅਤੇ ਸੰਰਚਿਤ ਆਉਟਪੁੱਟ ਸ਼ਾਮਲ ਹੁੰਦੇ ਹਨ, ਜੋ ਸਹੀਪਨ ਨੂੰ ਸੁਧਾਰਨ ਅਤੇ ਗਲਤ ਪ੍ਰਸ਼ਨਾਂ ਨੂੰ ਹਲ ਕਰਨ ਲਈ ਡਿਜ਼ਾਈਨ ਕੀਤਾ ਗਿਆ ਹੈ।
- ਤਰਕ ਪ੍ਰਕਿਰਿਆ ਦਾ ਮਾਲਕ ਬਣਨਾ: ਸਿਸਟਮ ਦੀ ਸਮਝ ਪ੍ਰਾਪਤ ਕਰੋ ਕਿ ਇਹ ਆਪਣੀ ਤਰਕ ਪ੍ਰਕਿਰਿਆ ਦਾ ਮਾਲਕ ਕਿਵੇਂ ਬਣਦਾ ਹੈ, ਸਮੱਸਿਆਵਾਂ ਨੂੰ ਹਲ ਕਰਨ ਦੇ ਤਰੀਕੇ ‘ਤੇ ਫੈਸਲੇ ਕਰਦਾ ਹੈ ਬਿਨਾਂ ਪਹਿਲਾਂ ਤੋਂ ਪਰਿਭਾਸ਼ਿਤ ਪਾਥਾਂ ‘ਤੇ ਨਿਰਭਰ ਕੀਤੇ।
- ਵਰਕਫਲੋ: ਸਮਝੋ ਕਿ ਇੱਕ agentic ਮਾਡਲ ਕਿਵੇਂ ਸਵੈ-ਚਾਲਤ ਤਰੀਕੇ ਨਾਲ ਮਾਰਕੀਟ ਟ੍ਰੈਂਡ ਰਿਪੋਰਟਾਂ ਨੂੰ ਰੀਟਰੀਵ ਕਰਦਾ ਹੈ, ਮੁਕਾਬਲੇਦਾਰ ਡਾਟਾ ਦੀ ਪਛਾਣ ਕਰਦਾ ਹੈ, ਅੰਦਰੂਨੀ ਵਿਕਰੀ ਮੈਟ੍ਰਿਕਸ ਨੂੰ ਸਬੰਧਿਤ ਕਰਦਾ ਹੈ, ਖੋਜਾਂ ਨੂੰ ਸੰਕਲਿਤ ਕਰਦਾ ਹੈ, ਅਤੇ ਰਣਨੀਤੀ ਦਾ ਮੁਲਾਂਕਨ ਕਰਦਾ ਹੈ।
- Iterative Loops, Tool Integration, ਅਤੇ Memory: ਸਿਸਟਮ ਦੇ ਲੂਪਡ ਇੰਟਰੈਕਸ਼ਨ ਪੈਟਰਨ, ਸਟੇਟ ਅਤੇ ਮੈਮਰੀ ਨੂੰ ਕਈ ਕਦਮਾਂ ‘ਤੇ ਕਾਇਮ ਰੱਖਣ ਦੀ ਸਮਝ ਪ੍ਰਾਪਤ ਕਰੋ ਤਾਂ ਜੋ ਦੁਹਰਾਏ ਗਏ ਲੂਪਾਂ ਤੋਂ ਬਚਿਆ ਜਾ ਸਕੇ ਅਤੇ ਸੂਚਿਤ ਫੈਸਲੇ ਕੀਤੇ ਜਾ ਸਕਣ।
- Failure Modes ਅਤੇ Self-Correction ਨੂੰ ਹਲ ਕਰਨਾ: ਸਿਸਟਮ ਦੇ ਮਜ਼ਬੂਤ self-correction ਮਕੈਨਿਜ਼ਮ ਦੀ ਖੋਜ ਕਰੋ, ਜਿਸ ਵਿੱਚ iteration ਅਤੇ re-querying, ਡਾਇਗਨੋਸਟਿਕ ਟੂਲਾਂ ਦੀ ਵਰਤੋਂ, ਅਤੇ ਮਨੁੱਖੀ ਨਿਗਰਾਨੀ ‘ਤੇ ਵਾਪਸ ਜਾਣਾ ਸ਼ਾਮਲ ਹੈ।
- Agency ਦੀਆਂ ਹੱਦਾਂ: Agentic RAG ਦੀਆਂ ਸੀਮਾਵਾਂ ਨੂੰ ਸਮਝੋ, ਡੋਮੇਨ-ਵਿਸ਼ੇਸ਼ ਸਵੈ-ਚਾਲਤ, ਢਾਂਚੇ ਦੀ ਨਿਰਭਰਤਾ, ਅਤੇ ਗਾਰਡਰੇਲਸ ਲਈ ਸਨਮਾਨ ‘ਤੇ ਧਿਆਨ ਕੇਂਦਰਿਤ ਕਰੋ।
- ਵਿਵਹਾਰਕ ਵਰਤੋਂ ਦੇ ਕੇਸ ਅਤੇ ਮੁੱਲ: ਉਹ ਸਥਿਤੀਆਂ ਪਛਾਣੋ ਜਿੱਥੇ Agentic RAG ਚਮਕਦਾ ਹੈ, ਜਿਵੇਂ ਕਿ correctness-first environments, ਜਟਿਲ ਡਾਟਾਬੇਸ ਇੰਟਰੈਕਸ਼ਨ, ਅਤੇ ਵਧੇਰੇ ਵਰਕਫਲੋਜ਼।
- Governance, Transparency, ਅਤੇ Trust: ਗਵਰਨੈਂਸ ਅਤੇ ਪਾਰਦਰਸ਼ਤਾ ਦੀ ਮਹੱਤਤਾ ਬਾਰੇ ਸਿੱਖੋ, ਜਿਸ ਵਿੱਚ explainable reasoning, bias control, ਅਤੇ ਮਨੁੱਖੀ ਨਿਗਰਾਨੀ ਸ਼ਾਮਲ ਹੈ।
Agentic RAG ਕੀ ਹੈ?
Agentic Retrieval-Augmented Generation (Agentic RAG) ਇੱਕ ਉਭਰਦਾ ਹੋਇਆ AI ਪੈਰਾਡਾਇਮ ਹੈ ਜਿੱਥੇ ਵੱਡੇ ਭਾਸ਼ਾ ਮਾਡਲ (LLMs) ਬਾਹਰੀ ਸਰੋਤਾਂ ਤੋਂ ਜਾਣਕਾਰੀ ਖਿੱਚਦੇ ਹੋਏ ਆਪਣੇ ਅਗਲੇ ਕਦਮਾਂ ਦੀ ਯੋਜਨਾ ਸਵੈ-ਚਾਲਤ ਤਰੀਕੇ ਨਾਲ ਬਣਾਉਂਦੇ ਹਨ। ਸਥਿਰ ਰੀਟਰੀਵਲ-ਤਦ-ਪੜ੍ਹਨ ਪੈਟਰਨਾਂ ਦੇ ਵਿਰੁੱਧ, Agentic RAG ਵਿੱਚ LLM ਨੂੰ ਵਾਰ-ਵਾਰ ਕਾਲ ਕਰਨਾ ਸ਼ਾਮਲ ਹੁੰਦਾ ਹੈ, ਜਿਸ ਵਿੱਚ ਟੂਲ ਜਾਂ ਫੰਕਸ਼ਨ ਕਾਲ ਅਤੇ ਸੰਰਚਿਤ ਆਉਟਪੁੱਟ ਸ਼ਾਮਲ ਹੁੰਦੇ ਹਨ। ਸਿਸਟਮ ਨਤੀਜਿਆਂ ਦਾ ਮੁਲਾਂਕਨ ਕਰਦਾ ਹੈ, ਪ੍ਰਸ਼ਨਾਂ ਨੂੰ ਸੁਧਾਰਦਾ ਹੈ, ਜਰੂਰਤ ਪੈਣ ‘ਤੇ ਵਾਧੂ ਟੂਲਾਂ ਨੂੰ ਕਾਲ ਕਰਦਾ ਹੈ, ਅਤੇ ਸੰਤੋਸ਼ਜਨਕ ਹੱਲ ਤੱਕ ਇਹ ਚੱਕਰ ਜਾਰੀ ਰੱਖਦਾ ਹੈ।
ਇਹ iterative “maker-checker” ਸਟਾਈਲ ਸਹੀਪਨ ਨੂੰ ਸੁਧਾਰਨ, ਗਲਤ ਪ੍ਰਸ਼ਨਾਂ ਨੂੰ ਹਲ ਕਰਨ, ਅਤੇ ਉੱਚ-ਗੁਣਵੱਤਾ ਵਾਲੇ ਨਤੀਜੇ ਯਕੀਨੀ ਬਣਾਉਣ ਲਈ ਡਿਜ਼ਾਈਨ ਕੀਤਾ ਗਿਆ ਹੈ। ਆਜ਼ਰ ਓਪਨਏਆਈ ਸੇਵਾ ਨਾਲ ਰੀਟਰੀਵਲ ਆਗਮੈਂਟਡ ਜਨਰੇਸ਼ਨ (RAG) ਨੂੰ ਲਾਗੂ ਕਰੋ: ਸਿੱਖੋ ਕਿ ਆਪਣਾ ਡਾਟਾ ਆਜ਼ਰ ਓਪਨਏਆਈ ਸੇਵਾ ਨਾਲ ਕਿਵੇਂ ਵਰਤਣਾ ਹੈ। ਇਹ ਮਾਈਕਰੋਸਾਫਟ ਲਰਨ ਮੋਡਿਊਲ RAG ਨੂੰ ਲਾਗੂ ਕਰਨ ਲਈ ਇੱਕ ਵਿਸਤ੍ਰਿਤ ਗਾਈਡ ਪ੍ਰਦਾਨ ਕਰਦਾ ਹੈ।
- ਆਜ਼ਰ ਏਆਈ ਫਾਉਂਡਰੀ ਨਾਲ ਜਨਰੇਟਿਵ ਏਆਈ ਐਪਲੀਕੇਸ਼ਨ ਦੀ ਮੁਲਾਂਕਣ: ਇਹ ਲੇਖ ਪਬਲਿਕਲੀ ਉਪਲਬਧ ਡੇਟਾਸੈਟਸ ‘ਤੇ ਮਾਡਲਾਂ ਦੀ ਮੁਲਾਂਕਣ ਅਤੇ ਤੁਲਨਾ ਨੂੰ ਕਵਰ ਕਰਦਾ ਹੈ, ਜਿਸ ਵਿੱਚ Agentic AI ਐਪਲੀਕੇਸ਼ਨ ਅਤੇ RAG ਆਰਕੀਟੈਕਚਰ ਸ਼ਾਮਲ ਹਨ।
- Agentic RAG ਕੀ ਹੈ | Weaviate
- Agentic RAG: ਏਜੰਟ-ਅਧਾਰਿਤ ਰੀਟਰੀਵਲ ਆਗਮੈਂਟਡ ਜਨਰੇਸ਼ਨ ਲਈ ਪੂਰੀ ਗਾਈਡ – ਜਨਰੇਸ਼ਨ RAG ਤੋਂ ਖ਼ਬਰਾਂ
- Agentic RAG: ਆਪਣੇ RAG ਨੂੰ ਕੁਐਰੀ ਰੀਫਾਰਮੂਲੇਸ਼ਨ ਅਤੇ ਸੈਲਫ-ਕੁਐਰੀ ਨਾਲ ਟਰਬੋਚਾਰਜ ਕਰੋ! Hugging Face ਓਪਨ-ਸੋਰਸ ਏਆਈ ਕੂਕਬੁੱਕ
- RAG ਵਿੱਚ Agentic Layers ਸ਼ਾਮਲ ਕਰਨਾ
- ਗਿਆਨ ਸਹਾਇਕਾਂ ਦਾ ਭਵਿੱਖ: ਜੈਰੀ ਲਿਊ
- Agentic RAG ਸਿਸਟਮ ਕਿਵੇਂ ਬਣਾਉਣਾ
- ਆਪਣੇ ਏਆਈ ਏਜੰਟਸ ਨੂੰ ਸਕੇਲ ਕਰਨ ਲਈ ਆਜ਼ਰ ਏਆਈ ਫਾਉਂਡਰੀ ਏਜੰਟ ਸੇਵਾ ਦੀ ਵਰਤੋਂ
ਅਕਾਦਮਿਕ ਪੇਪਰ
- 2303.17651 Self-Refine: ਸਵੈ-ਫੀਡਬੈਕ ਨਾਲ ਦੁਹਰਾਈ ਗਈ ਸੁਧਾਰ
- 2303.11366 Reflexion: ਵਰਬਲ ਰੀਇਨਫੋਰਸਮੈਂਟ ਲਰਨਿੰਗ ਨਾਲ ਭਾਸ਼ਾ ਏਜੰਟ
- 2305.11738 CRITIC: ਵੱਡੇ ਭਾਸ਼ਾ ਮਾਡਲ ਟੂਲ-ਇੰਟਰਐਕਟਿਵ ਕ੍ਰਿਟੀਕਿੰਗ ਨਾਲ ਸਵੈ-ਸੁਧਾਰ ਕਰ ਸਕਦੇ ਹਨ
- 2501.09136 Agentic Retrieval-Augmented Generation: Agentic RAG ‘ਤੇ ਇੱਕ ਸਰਵੇਖਣ
ਪਿਛਲਾ ਪਾਠ
ਅਗਲਾ ਪਾਠ
ਅਸਵੀਕਤੀ:
ਇਹ ਦਸਤਾਵੇਜ਼ AI ਅਨੁਵਾਦ ਸੇਵਾ Co-op Translator ਦੀ ਵਰਤੋਂ ਕਰਕੇ ਅਨੁਵਾਦ ਕੀਤਾ ਗਿਆ ਹੈ। ਜਦੋਂ ਕਿ ਅਸੀਂ ਸਹੀ ਹੋਣ ਦੀ ਕੋਸ਼ਿਸ਼ ਕਰਦੇ ਹਾਂ, ਕਿਰਪਾ ਕਰਕੇ ਧਿਆਨ ਦਿਓ ਕਿ ਸਵੈਚਾਲਿਤ ਅਨੁਵਾਦਾਂ ਵਿੱਚ ਗਲਤੀਆਂ ਜਾਂ ਅਸੁਚੀਤਤਾਵਾਂ ਹੋ ਸਕਦੀਆਂ ਹਨ। ਇਸ ਦੀ ਮੂਲ ਭਾਸ਼ਾ ਵਿੱਚ ਮੌਜੂਦ ਅਸਲ ਦਸਤਾਵੇਜ਼ ਨੂੰ ਅਧਿਕਾਰਤ ਸਰੋਤ ਮੰਨਿਆ ਜਾਣਾ ਚਾਹੀਦਾ ਹੈ। ਮਹੱਤਵਪੂਰਨ ਜਾਣਕਾਰੀ ਲਈ, ਪੇਸ਼ੇਵਰ ਮਨੁੱਖੀ ਅਨੁਵਾਦ ਦੀ ਸਿਫਾਰਸ਼ ਕੀਤੀ ਜਾਂਦੀ ਹੈ। ਇਸ ਅਨੁਵਾਦ ਦੀ ਵਰਤੋਂ ਤੋਂ ਪੈਦਾ ਹੋਣ ਵਾਲੇ ਕਿਸੇ ਵੀ ਗਲਤਫਹਿਮੀ ਜਾਂ ਗਲਤ ਵਿਆਖਿਆ ਲਈ ਅਸੀਂ ਜ਼ਿੰਮੇਵਾਰ ਨਹੀਂ ਹਾਂ।