IA Generativa en AWS

Capítulo 9. Aplicaciones de Razonamiento Consciente del Contexto mediante RAG y Agentes

Este trabajo se ha traducido utilizando IA. Agradecemos tus opiniones y comentarios: [e-mail]

En este capítulo, explorarás cómo reúne todo lo que has aprendido hasta ahora para construir aplicaciones de razonamiento conscientes del contexto. Para ello, explorarás la generación aumentada por recuperación (RAG) y los agentes. También aprenderás sobre los marcos llamados LangChain, ReAct y PAL, que hacen que los flujos de trabajo de RAG y agentes sean mucho más fáciles de implementar y mantener. Tanto la RAG como los agentes suelen ser componentes clave de una aplicación de IA generativa.

Con la GAR, aumentas el contexto de tus avisos con la información relevante necesaria para abordar las limitaciones de conocimiento de los LLM y mejorar la relevancia de la salida generada por el modelo. La popularidad de la RAG ha crecido gracias a su eficacia para mitigar problemas como las limitaciones de conocimiento y las alucinaciones, al incorporar fuentes de datos dinámicas al contexto de los avisos sin necesidad de ajustar continuamente el modelo a medida que llegan nuevos datos a tu sistema.

RAG puede integrarse con modelos básicos estándar o con modelos ajustados y alineados por humanos, específicos para tu caso de uso generativo y dominio.

Nota

El GAR y el ajuste fino pueden utilizarse juntos. No son mutuamente excluyentes.

A continuación, algunas orientaciones generales a ...