Una agente conectada al conocimiento.
Un agente puede consultar RAG como herramienta de conocimiento.
lo que aprenderás
- Explique: un bucle de agente acotado
- Aplicar la idea en un ejemplo: Un agente conectado al conocimiento.
- Reconocer las limitaciones y verificar el resultado del ejercicio.
Un agente puede consultar RAG como herramienta de conocimiento. Eso difiere de afirmar que memorizó todos los documentos.
Estos pasos se refieren a las características identificadas en el código de la aplicación. Este material no ha sido validado en una instancia en vivo; consulta la documentación y las opciones de tu versión.
Cómo funciona, paso a paso
Un bucle de agente acotado
Un agente combina un modelo con herramientas, una meta y un estado. Observa la solicitud, elige un paso, recibe un resultado y decide si continúa. Un chatbot sólo puede generar texto; un agente puede solicitar una acción externa. Las definiciones comerciales varían, así que inspeccione el control real. Defina éxito y parada: un resultado verificado, un recuento máximo de pasos, errores repetidos o un presupuesto agotado. Utilice capacidades limitadas y permisos mínimos. Autonomía útil significa libertad dentro de los límites impuestos por el software.
RAG accede a la evidencia, no se vuelve a capacitar
RAG significa generación aumentada de recuperación: la recuperación proporciona pasajes relevantes antes de que el modelo responda. La ingestión prepara documentos, mientras que la ejecución de consultas busca en el índice y crea contexto. Un modelo de incrustación representa el texto numéricamente; el modelo de respuesta escribe la respuesta. Los modelos de reordenamiento, visión, gráficos y enrutadores tienen diferentes roles cuando es necesario. RAG ayuda con información privada o cambiante pero no garantiza la veracidad. Utilice una API autorizada para saldos, inventario exacto o permisos; un documento antiguo no es una fuente confiable para el estado actual.
La fluidez y la verdad se verifican por separado.
Una alucinación es un contenido incorrecto o sin fundamento presentado como respuesta. Puede surgir por falta de información, ambigüedad o patrones combinados incorrectamente. Solicite evidencia y verifique el documento original, fecha, unidades y condiciones. Es posible que una cita real aún no respalde el reclamo. Utilice fuentes actuales para hechos actuales, una calculadora para aritmética y “no pueda determinar” cuando faltan pruebas. No trate la confianza expresada en prosa como una probabilidad calibrada.
El esquema explicativo
Siga las flechas sólidas para el flujo principal. Las flechas azules discontinuas proporcionan datos o contexto; Las flechas discontinuas de color rosa muestran comentarios o resultados devueltos. Colores y formas distinguen modelos, tiendas, decisiones y resultados. En pantallas pequeñas, desplázate horizontalmente para seguir todo el esquema.
Un ejemplo completo
Adjunte un RAG de política indexada al agente. Para "¿Puedo devolver después de 20 días?", recupera la política de 14 días y explica los límites sin inventar excepciones.
Pruébalo tú mismo
- Adjunte el RAG y compare la misma pregunta con y sin evidencia disponible.
- Registre la entrada, la fuente y el resultado esperado antes de ejecutar el experimento. Utilice únicamente los datos ficticios del ejemplo.
- Siga las etapas del diagrama. En cada paso registre qué información se recibe y se produce; No confunda el resultado intermedio con el resultado final.
- Repita después de eliminar la información necesaria o hacer que la entrada sea ambigua. Compruebe si el sistema aclara, detiene o inventa una respuesta.
- Comparar con la solución explicada. Conserve la configuración, fecha, resultado y una explicación de las diferencias. Cambie una cosa y vuelva a probar.
Una solución explicada
El agente utiliza la póliza y no observa ninguna excepción documentada; no cambia ni la política ni el orden. Un ejercicio exitoso le permite mostrar la conexión entre los aportes, las etapas y el resultado. Cuando falta información, una respuesta cautelosa es más útil que detalles inventados. Compare más que estilo: compruebe también las condiciones, las fuentes y las operaciones.
Cuándo resulta útil y cuáles son sus límites
Adjuntar un RAG no indexado no crea evidencia. Elija este enfoque cuando mejore una necesidad medida. Mantenga una línea de base simple y compare los resultados utilizando insumos idénticos. Un ejemplo exitoso no establece confiabilidad en todas las situaciones.
Comprueba lo que has aprendido
¿Más autonomía siempre da mejor resultado?
No. También aumenta el margen de error, costes y acciones innecesarias.
¿RAG cambia los parámetros de LLM?
No. Proporciona contexto en el momento de la solicitud; Los cambios de parámetros pertenecen al entrenamiento.
¿Qué resultado debería producir este ejercicio?
El agente utiliza la póliza y no observa ninguna excepción documentada; no cambia ni la política ni el orden.
Términos que conviene recordar
- Agente: Un sistema que puede elegir pasos y utilizar herramientas para lograr un objetivo.
- Recuperación: Encontrar información relevante en fuentes accesibles.
- Toma de tierra: Fundamentar una respuesta en evidencia verificable.
Fuentes y su próximo paso
- LangGraph — Flujos de trabajo y agentes
- Lewis et al. — Generación aumentada de recuperación
- Hugging Face — LLM Course
Para preparar: A02 — Su primer agente en la aplicación