在上一個練習中,你已經排定一個 RAG 流程,用來從家電手冊中找到正確的資訊。
假設你組好了以下 RAG 流程:
chunk_size=1000
chunk_overlap=200
similarity_search(query, k=3)
「以下哪些選項正確描述了這個流程在做什麼?」
本練習屬於課程
將理論付諸實踐,立即體驗我們的互動練習
了解 code agents 的獨特之處,以及它們如何使用 Python 進行推理與行動。用 smolagents 建立你的第一個代理,加入可存取網路的內建與社群工具,並建立自訂工具把代理連接到資料。
把傳統 RAG 管線轉化為 agentic 系統,透過反覆檢索並在多個步驟間推理。打造具狀態的工具以支援進階檢索,使用規劃間隔引導代理以改善結果,並用回呼在執行期間追蹤與自訂代理行為。
當前練習
透過協調型管理者來統籌一組專門的代理,處理複雜工作流程。加入記憶以在多次互動間保留脈絡,使用執行追蹤與推理步驟來偵錯代理行為,並實作穩健的驗證策略以確保高品質且可靠的回應。