Découvrez comment les composants Haystack interagissent avec les LLM, comprenez ce qui distingue les agents des modèles de langue traditionnels et créez votre premier agent fonctionnel. Vous verrez ensuite comment donner à votre agent l’accès à des outils du monde réel, comme la recherche web, pour le transformer d’un simple répondant en véritable résolveur de problèmes actif !

Bienvenue dans le cours !

Dialoguer avec des LLM à l’aide de composants

Que peut faire un agent Haystack ?

Créer votre premier agent

Connecter des outils à notre agent

Faites connaissance avec votre agent

Dans ce chapitre, dotez vos agents d’outils pour les rendre plus intelligents, plus transparents et plus faciles à déboguer. Du traçage des décisions de l’agent avec des callbacks en streaming à la création de pipelines Haystack réutilisables, vous ferez évoluer vos agents vers un large éventail de capacités, y compris l’exécution de requêtes SQL. Préparez-vous à personnaliser, connecter et booster votre pipeline Haystack !

Ouvrir la boîte noire : rendre les agents transparents

Personnaliser notre agent

Pipelines Haystack : la force secrète de notre agent

Interroger une base de données SQL

Transformer notre pipeline en outil pour les agents

Récapitulatif et prochaines étapes

Concevoir des agents robustes

Haystack Additional Resources

Apprenez à aller au-delà des simples interfaces de chat et à créer de véritables agents d’IA capables de raisonner, de prendre des décisions et d’utiliser des outils externes pour agir. Avec Haystack, un framework open source pour les applications basées sur des LLM, vous construirez un agent pour la santé capable de rechercher sur le web et d’interroger des données patient structurées. En chemin, vous maîtriserez les principes clés de conception agentique, construirez des pipelines réutilisables et intégrerez des composants dans un système intelligent. À la fin, vous ne comprendrez pas seulement le fonctionnement des agents d’IA — vous en aurez créé un de A à Z.

<h2>Développez des agents IA capables de raisonner, de rechercher et d'agir</h2>

Les agents IA peuvent accomplir davantage que la simple génération de texte. Ils sont en mesure de planifier, de prendre des décisions et d'agir en fonction des outils et des données à leur disposition. Dans ce cours, vous apprendrez à créer des agents IA intelligents à l'aide de Haystack, un framework open source permettant d'orchestrer de grands modèles linguistiques et des composants externes.
Vous allez créer un assistant médical qui répondra aux questions des utilisateurs en combinant du contenu en ligne actualisé avec des dossiers patients structurés.
<br></br>

<h2>Veuillez connecter vos agents</h2>

Vous commencerez par utiliser les composants Haystack pour communiquer avec un LLM, puis vous passerez à la création de votre premier agent. Vous connecterez des outils tels que la recherche Web en temps réel et un pipeline de requêtes de base de données SQL, permettant ainsi à l'agent d'accéder à des informations publiques et privées. Vous apprendrez également à enregistrer les pipelines Haystack en tant qu'outils, ce qui facilitera la réutilisation des workflows structurés au sein de votre agent.
<br></br>

<h2>Concevez et développez des flux de travail adaptés au monde réel</h2>

À la fin du cours, vous disposerez d'un agent robuste qui combine le raisonnement LLM avec des outils externes et des pipelines structurés. Vous comprendrez quand utiliser des agents, quand utiliser des pipelines et comment créer des systèmes flexibles pouvant utiliser les deux. Que vous développiez des assistants, des systèmes de génération augmentée par la recherche ou des outils spécifiques à un domaine, vous serez en mesure de créer des agents IA prêts à l'emploi avec Haystack.




Intermediate Python

Créer un agent IA santé avec Haystack, un cadre open-source pour orchestrer LLMs et composants externes.

Créer des agents d’IA avec Haystack

Créez un agent IA pour la santé avec Haystack, un framework open source pour orchestrer des LLM et des composants externes.

Dialoguer avec des LLM à l’aide de composants

Instructions de l’exercice

Exercice interactif pratique