Créer des agents AI avec LlamaIndex et RAG

À mesure que l'intelligence artificielle évolue, les modèles de langage statiques ne suffisent plus ; les applications modernes nécessitent une AI capable de récupérer activement des données personnalisées et d'exécuter des tâches en plusieurs étapes. Ce cours vous apprend à combler le fossé entre les large language models et vos propres sources de données en utilisant LlamaIndex. Vous commencerez par les concepts fondamentaux des agents AI et du Retrieval-Augmented Generation (RAG), en progressant étape par étape dans le processus de création de workflows agentiques robustes et basés sur des données. Ce que vous apprendrez : - Comprendre la terminologie fondamentale des agents AI, des LLMs et des architectures RAG. - Configurer LlamaIndex pour ingérer, indexer et interroger vos sources de données personnalisées. - Construire des pipelines RAG de base pour améliorer la précision et la pertinence des réponses de l'AI. - Concevoir des workflows agentiques capables de décomposer des requêtes complexes et d'acheminer les tâches efficacement. - Intégrer des bases de données vectorielles modernes pour stocker et récupérer des données efficacement. - Appliquer les bases du prompt engineering pour guider vos agents vers des résultats fiables. Le cours commence par la terminologie essentielle et les concepts fondamentaux avant de vous guider à travers des exercices écrits pour construire vos premiers index de données et boucles agentiques. Vous progresserez de simples requêtes de documents à la conception d'agents AI multi-étapes capables de raisonner sur des ensembles de données complexes. Ce cours est conçu pour les débutants, les futurs ingénieurs de données et les développeurs sans expérience préalable en AI qui souhaitent comprendre la mécanique des workflows agentiques. Commencez à lire dès aujourd'hui pour libérer le potentiel de vos données et construire votre premier agent AI intelligent.