ai-agents-for-beginners

Agentic RAG

(ਉਪਰ ਦਿੱਤੀ ਤਸਵੀਰ ‘ਤੇ ਕਲਿੱਕ ਕਰਕੇ ਇਸ ਪਾਠ ਦੀ ਵੀਡੀਓ ਵੇਖੋ)

Agentic RAG

ਇਹ ਪਾਠ Agentic Retrieval-Augmented Generation (Agentic RAG) ਦਾ ਵਿਸਤ੍ਰਿਤ ਜਾਇਜ਼ਾ ਦਿੰਦਾ ਹੈ, ਜੋ ਕਿ ਇੱਕ ਨਵਾਂ 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 retrieval-then-read ਪੈਟਰਨਾਂ ਦੇ ਵਿਰੁੱਧ, Agentic RAG ਵਿੱਚ LLM ਨੂੰ ਵਾਰ-ਵਾਰ ਕਾਲ ਕਰਨਾ ਸ਼ਾਮਲ ਹੁੰਦਾ ਹੈ, ਜਿਸ ਵਿੱਚ ਟੂਲ ਜਾਂ ਫੰਕਸ਼ਨ ਕਾਲ ਅਤੇ ਸੰਰਚਿਤ ਨਤੀਜੇ ਸ਼ਾਮਲ ਹੁੰਦੇ ਹਨ। ਸਿਸਟਮ ਨਤੀਜਿਆਂ ਦਾ ਮੁਲਾਂਕਣ ਕਰਦਾ ਹੈ, ਪ੍ਰਸ਼ਨਾਂ ਨੂੰ ਸੁਧਾਰਦਾ ਹੈ, ਜਰੂਰਤ ਪੈਣ ‘ਤੇ ਵਾਧੂ ਟੂਲਾਂ ਨੂੰ ਕਾਲ ਕਰਦਾ ਹੈ, ਅਤੇ ਇਹ ਚੱਕਰ ਤਦ ਤੱਕ ਜਾਰੀ ਰੱਖਦਾ ਹੈ ਜਦ ਤੱਕ ਸੰਤੋਸ਼ਜਨਕ ਹੱਲ ਨਹੀਂ ਮਿਲ ਜਾਂਦਾ।

ਜਾਣ ਪਛਾਣ

ਇਸ ਪਾਠ ਵਿੱਚ ਤੁਸੀਂ ਸਿੱਖੋਗੇ:

ਸਿੱਖਣ ਦੇ ਲਕਸ਼

ਇਸ ਪਾਠ ਨੂੰ ਪੂਰਾ ਕਰਨ ਤੋਂ ਬਾਅਦ, ਤੁਸੀਂ ਇਹ ਸਮਝ ਪਾ ਲੋਗੇ:

Agentic RAG ਕੀ ਹੈ?

Agentic Retrieval-Augmented Generation (Agentic RAG) ਇੱਕ ਨਵਾਂ 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 retrieval-then-read ਪੈਟਰਨਾਂ ਦੇ ਵਿਰੁੱਧ, Agentic RAG ਵਿੱਚ LLM ਨੂੰ ਵਾਰ-ਵਾਰ ਕਾਲ ਕਰਨਾ ਸ਼ਾਮਲ ਹੁੰਦਾ ਹੈ, ਜਿਸ ਵਿੱਚ ਟੂਲ ਜਾਂ ਫੰਕਸ਼ਨ ਕਾਲ ਅਤੇ ਸੰਰਚਿਤ ਨਤੀਜੇ ਸ਼ਾਮਲ ਹੁੰਦੇ ਹਨ। ਸਿਸਟਮ ਨਤੀਜਿਆਂ ਦਾ ਮੁਲਾਂਕਣ ਕਰਦਾ ਹੈ, ਪ੍ਰਸ਼ਨਾਂ ਨੂੰ ਸੁਧਾਰਦਾ ਹੈ, ਜਰੂਰਤ ਪੈਣ ‘ਤੇ ਵਾਧੂ ਟੂਲਾਂ ਨੂੰ ਕਾਲ ਕਰਦਾ ਹੈ, ਅਤੇ ਇਹ ਚੱਕਰ ਤਦ ਤੱਕ ਜਾਰੀ ਰੱਖਦਾ ਹੈ ਜਦ ਤੱਕ ਸੰਤੋਸ਼ਜਨਕ ਹੱਲ ਨਹੀਂ ਮਿਲ ਜਾਂਦਾ।

ਇਹ iterative “maker-checker” ਸਟਾਈਲ ਸਹੀ ਨਤੀਜਿਆਂ ਨੂੰ ਸੁਧਾਰਨ, ਗਲਤ ਪ੍ਰਸ਼ਨਾਂ ਨੂੰ ਹੱਲ ਕਰਨ, ਅਤੇ ਉੱਚ-ਗੁਣਵੱਤਾ ਵਾਲੇ ਨਤੀਜੇ ਯਕੀਨੀ ਬਣਾਉਣ ਲਈ ਬਣਾਇਆ ਗਿਆ ਹੈ। ਸਿਸਟਮ ਆਪਣੀ reasoning process ਨੂੰ ਮਾਲਕਾਨਾ ਤਰੀਕੇ ਨਾਲ ਸੰਭਾਲਦਾ ਹੈ, ਗਲਤ ਪ੍ਰਸ਼ਨਾਂ ਨੂੰ ਦੁਬਾਰਾ ਲਿਖਦਾ ਹੈ, ਵੱਖ-ਵੱਖ retrieval methods ਦੀ ਚੋਣ ਕਰਦਾ ਹੈ, ਅਤੇ ਕਈ ਟੂਲਾਂ ਨੂੰ ਇੰਟਿਗਰੇਟ ਕਰਦਾ ਹੈ—ਜਿਵੇਂ ਕਿ Azure AI Search ਵਿੱਚ vector search, SQL ਡਾਟਾਬੇਸ, ਜਾਂ custom APIs—ਅੰਤਮ ਜਵਾਬ ਦੇਣ ਤੋਂ ਪਹਿਲਾਂ।

Agentic Retrieval-Augmented Generation (Agentic RAG) ਦੀ ਪਰਿਭਾਸ਼ਾ

Agentic Retrieval-Augmented Generation (Agentic RAG) AI ਵਿਕਾਸ ਵਿੱਚ ਇੱਕ ਨਵਾਂ ਪੈਰਾਡਾਇਮ ਹੈ ਜਿੱਥੇ LLMs ਸਿਰਫ਼ ਬਾਹਰੀ ਡਾਟਾ ਸਰੋਤਾਂ ਤੋਂ ਜਾਣਕਾਰੀ ਖਿੱਚਦੇ ਹੀ ਨਹੀਂ, ਸਗੋਂ ਆਪਣੇ ਅਗਲੇ ਕਦਮਾਂ ਦੀ ਯੋਜਨਾ ਸਵੈ-ਚਾਲਤ ਤਰੀਕੇ ਨਾਲ ਬਣਾਉਂਦੇ ਹਨ। ਸਥਿਰ retrieval-then-read ਪੈਟਰਨਾਂ ਜਾਂ ਧਿਆਨ ਨਾਲ ਲਿਖੀਆਂ prompt sequences ਦੇ ਵਿਰੁੱਧ, Agentic RAG ਵਿੱਚ LLM ਨੂੰ ਵਾਰ-ਵਾਰ ਕਾਲ ਕਰਨਾ ਸ਼ਾਮਲ ਹੁੰਦਾ ਹੈ, ਜਿਸ ਵਿੱਚ ਟੂਲ ਜਾਂ ਫੰਕਸ਼ਨ ਕਾਲ ਅਤੇ ਸੰਰਚਿਤ ਨਤੀਜੇ ਸ਼ਾਮਲ ਹੁੰਦੇ ਹਨ।

Reasoning Process ਦੀ ਮਾਲਕੀ

ਇੱਕ ਸਿਸਟਮ ਨੂੰ “agentic” ਬਣਾਉਣ ਵਾਲੀ ਵਿਸ਼ੇਸ਼ ਗੁਣਵੱਤਾ ਇਹ ਹੈ ਕਿ ਇਹ ਆਪਣੀ reasoning process ਨੂੰ ਮਾਲਕਾਨਾ ਤਰੀਕੇ ਨਾਲ ਸੰਭਾਲਦਾ ਹੈ। ਰਵਾਇਤੀ RAG implementations ਅਕਸਰ ਮਨੁੱਖਾਂ ‘ਤੇ ਨਿਰਭਰ ਹੁੰਦੇ ਹਨ ਜੋ ਮਾਡਲ ਲਈ ਇੱਕ predefined path ਬਣਾਉਂਦੇ ਹਨ।

Iterative Loops, Tool Integration, ਅਤੇ Memory

Agentic ਸਿਸਟਮ ਇੱਕ ਲੂਪਡ ਇੰਟਰੈਕਸ਼ਨ ਪੈਟਰਨ ‘ਤੇ ਨਿਰਭਰ ਕਰਦਾ ਹੈ:

Failure Modes ਅਤੇ Self-Correction ਨੂੰ ਹੱਲ ਕਰਨਾ

Agentic RAG ਦੀ ਸਵੈ-ਚਾਲਤਤਾ ਵਿੱਚ ਮਜ਼ਬੂਤ self-correction mechanisms ਸ਼ਾਮਲ ਹਨ। ਜਦੋਂ ਸਿਸਟਮ dead ends ‘ਤੇ ਪਹੁੰਚਦਾ ਹੈ, ਤਾਂ ਇਹ:

Agency ਦੀਆਂ ਹੱਦਾਂ

Agentic RAG ਦੀਆਂ “agentic” ਸਮਰੱਥਾਵਾਂ ਮਨੁੱਖਾਂ ਦੁਆਰਾ ਪ੍ਰਦਾਨ ਕੀਤੇ ਟੂਲਾਂ, ਡਾਟਾ ਸਰੋਤਾਂ, ਅਤੇ ਨੀਤੀਆਂ ਤੱਕ ਸੀਮਿਤ ਹਨ।

ਵਰਤੋਂ ਦੇ ਪ੍ਰਯੋਗ ਅਤੇ ਮੁੱਲ

Agentic RAG ਉਹ ਸਥਿਤੀਆਂ ਵਿੱਚ ਚਮਕਦਾ ਹੈ ਜਿੱਥੇ iterative refinement ਅਤੇ precision ਦੀ ਲੋੜ ਹੁੰਦੀ ਹੈ:

  1. Correctness-First Environments: Compliance checks, regulatory analysis, ਜਾਂ legal research ਵਿੱਚ, agentic ਮਾਡਲ ਵਾਰ-ਵਾਰ ਤਥਾਂ ਦੀ ਪੁਸ਼ਟੀ ਕਰ ਸਕਦਾ ਹੈ।
  2. Complex Database Interactions: ਜਦੋਂ ਸੰਰਚਿਤ ਡਾਟਾ ਨਾਲ ਕੰਮ ਕਰਦੇ ਹੋ, ਸਿਸਟਮ ਆਪਣੇ ਪ੍ਰਸ਼ਨਾਂ ਨੂੰ ਸੁਧਾਰ ਸਕਦਾ ਹੈ।
  3. Extended Workflows: ਲੰਬੇ-running sessions ਵਿੱਚ, Agentic RAG ਨਵੇਂ ਡਾਟਾ ਨੂੰ ਲਗਾਤਾਰ ਸ਼ਾਮਲ ਕਰ ਸਕਦਾ ਹੈ।

Governance, Transparency, ਅਤੇ Trust

ਜਿਵੇਂ ਕਿ ਇਹ ਸਿਸਟਮ reasoning ਵਿੱਚ ਜ਼ਿਆਦਾ ਸਵੈ-ਚਾਲਤ ਬਣਦੇ ਹਨ, ਗਵਰਨੈਂਸ ਅਤੇ ਪਾਰਦਰਸ਼ਤਾ ਬਹੁਤ ਮਹੱਤਵਪੂਰਨ ਹਨ:

ਨਤੀਜਾ

Agentic RAG ਇੱਕ ਕੁਦਰਤੀ ਵਿਕਾਸ ਦਾ ਪ੍ਰਤੀਕ ਹੈ ਕਿ AI ਸਿਸਟਮ ਜਟਿਲ, ਡਾਟਾ-ਗਹਿਰਾਈ ਵਾਲੇ ਕੰਮਾਂ ਨੂੰ ਕਿਵੇਂ ਸੰਭਾਲਦੇ ਹਨ।

Agentic RAG ਬਾਰੇ ਹੋਰ ਸਵਾਲ ਹਨ?

Azure AI Foundry Discord ਵਿੱਚ ਸ਼ਾਮਲ ਹੋਵੋ।

ਵਾਧੂ ਸਰੋਤ

ਅਕਾਦਮਿਕ ਪੇਪਰ

ਪਿਛਲਾ ਪਾਠ

ਟੂਲ ਵਰਤੋਂ ਡਿਜ਼ਾਈਨ ਪੈਟਰਨ

ਅਗਲਾ ਪਾਠ

ਭਰੋਸੇਯੋਗ AI ਏਜੰਟ ਬਣਾਉਣਾ


ਅਸਵੀਕਰਤੀ:
ਇਹ ਦਸਤਾਵੇਜ਼ AI ਅਨੁਵਾਦ ਸੇਵਾ Co-op Translator ਦੀ ਵਰਤੋਂ ਕਰਕੇ ਅਨੁਵਾਦ ਕੀਤਾ ਗਿਆ ਹੈ। ਹਾਲਾਂਕਿ ਅਸੀਂ ਸਹੀ ਹੋਣ ਦਾ ਯਤਨ ਕਰਦੇ ਹਾਂ, ਕਿਰਪਾ ਕਰਕੇ ਧਿਆਨ ਦਿਓ ਕਿ ਸਵੈਚਾਲਿਤ ਅਨੁਵਾਦਾਂ ਵਿੱਚ ਗਲਤੀਆਂ ਜਾਂ ਅਸੁਚਤਤਾਵਾਂ ਹੋ ਸਕਦੀਆਂ ਹਨ। ਇਸ ਦੀ ਮੂਲ ਭਾਸ਼ਾ ਵਿੱਚ ਮੌਜੂਦ 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।