#LLM PARA PRINCIPIANTES
Útil para responder consultas complejas sobre documentos internos paso a paso con agentes ReAct y Open AI Tools.
Los chatbots RAG básicos que he creado en el pasado utilizando componentes estándar de LangChain como vectorstore, retrievers, etc. me han funcionado bien. Dependiendo del conjunto de datos internos que proporcione, son capaces de manejar preguntas humildes como “¿Cuál es la política de licencia parental en la India?” (conjunto de datos fuente: documentos de políticas de recursos humanos), “¿Cuáles son las principales preocupaciones con respecto al sabor de nuestro producto?” (conjunto de datos fuente: redes sociales/Tweets), “¿Cuáles son los temas de las pinturas de Monet” (conjunto de datos fuente: revistas de arte), etc. Más recientemente, la complejidad de las consultas que se le envían ha aumentado, por ejemplo, “¿Ha habido un aumento en las preocupaciones sobre el sabor en el último mes”. A menos que haya una sección específica en los documentos internos que hable específicamente sobre la comparación, es muy poco probable que el chatbot muestre la respuesta correcta. La razón es que la respuesta correcta requiere que se planifiquen/ejecuten sistemáticamente los siguientes pasos:
- PASO 1: calcular el comenzar fecha y fin fecha basada en el “último mes” y la fecha de hoy
- PASO 2: busque las consultas que mencionen problemas de sabor para el comenzar fecha
- PASO 3: cuente las consultas del Paso 2
- PASO 4: busque las consultas que mencionen problemas de sabor para el fin fecha
- PASO 5: cuente las consultas del Paso 4
- PASO 6: calcule el porcentaje de aumento/disminución utilizando los recuentos del Paso 3 y del Paso 5.
Afortunadamente para nosotros, los LLM son muy buenos en tales planificación! Y los agentes de Langchain son quienes orquestan esta planificación para nosotros.
La idea central de los agentes es utilizar un modelo de lenguaje para elegir una secuencia de acciones a realizar. En los agentes, se utiliza un modelo de lenguaje como motor de razonamiento para determinar qué acciones realizar y en qué orden. [Source]