¿Qué son agentes IA, los Workflows y Rag?

¿Qué son agentes de inteligencia artificial?

Los agentes son asistentes de chat conectados a un LLM (o un modelo de lenguaje) que puede razonar. El LLM asignado al agente puede solicitar el uso de herramientas que le permitan conseguir más información; hacer investigaciones o ejecutar acciones como lectura y escritura de archivos o ejecución de comandos y scripts. Todo, a partir de tu solicitud. 🤖

¿Qué son los Workflows?

Estos son pasos, múltiples pasos, etapas pues. Procesos detonados por eventos que pueden combinar agentes, conexiones a las fuentes de datos y herramientas que permitan resolver problemas complejos.Aquí podemos conjugar la recuperación de los datos, la generación de contenido y la llamada a herramientas, todo paso a paso, dentro de las llamadas pipelines. ¡Incluso podemos hacer deploy de estas pipelines como un microservicio! 👨🏻‍🏭𐃅➾𐃅➾𐃅𐀉⎅

¿Qué es la generación aumentada por recuperación?

Para no echarte el choro que todo mundo echa, podemos decir que RAG se ha convertido en la técnica preferida de la industria para crear aplicaciones con LLMs usando bases de datos y vectores. En una palabra: esto le permite al LLM responder preguntas sobre tus datos privados proveyendolos haciendo querys super eficientes y certeras, en vez de embutir todo en el contexto en cada petición. 🤯

LlamaIndex.TS provee de los elementos básicos, como dicen los gringos: los "building blocks" para crear y orquestar estos agentes. LlamaIndex tiene herramientas que nos dejan trabajar con workflows complejos e inteligentes fácilmente. Los LLms ya vienen entrenados en una bastedad de datos publicos corporativos pero, obviamente, no en tus datos privados; y de eso se trata el _ontext engineering en general: de cerrar la brecha entre el LLM y TODA tu data, eficientemente para eliminar las alucinaciones del robot. 🤪

LlamaIndex tiene un set de herramientas utilísimo:

• Conectores de data que te permiten leer archivos o SQL
• Índices y recuperadores que te permiten almacenar directamente y organizar tu data para consumo de un LLM
• Motores agénticos que permiten reusar un agente que puede razonar, chatear y conseguir datos.
• También incluye herramientas para Workflows para una orquestación granular a detalle de tus agentes RAG.
• Y no deja fuera la observabilidad con sus integraciones que te permiten debuguear con confianza.

Si quieres seguir aprendiendo sobre la creación de Agentes RAG profesionales con TypeScript y LlamaIndex, toma un taller personal conmigo. 🤓

Abrazo. bliss. 🤓