Hier gaan ons weer! Nog 'n golf van nuwe terme maak ripples oor die AI-gemeenskap. Hou 'n oog op al hierdie tendense kan moeilik wees (veral wanneer baie van hulle is, laat ons eerlik wees, net buzzwords! 😏) Die nuutste tendens is 'n Kyk rond, en jy sal almal sien praat oor Meer en meer maatskappye bou hulle, beplan om, of ten minste wil. agentic approach to AI Die agente Maar is die werklike toekoms? Of net meer hype om deur te wade? 🤔 Wel, lees voort om uit te vind! Agente AI en agente RAG Van 'tradisionele' AI na 'n nuwe agentistiese benadering AI evolueer in 'n breuk spoed, en selfs al voel dit vreemd om dit te sê, kan ons nou sommige benaderings as "tradisionele AI" verwys! Ons praat oor al die LLM-integrasies wat ons in die afgelope paar maande gesien het (ek bedoel, selfs Paint het AI-funksie!). Nou, net soos dit gewoonlik gebeur wanneer 'n nuwe tegnologie of koel funksie / praktyk uitkom, wil almal aan boord spring. app het skielik “Reels” of 'n paar spin-off? Elke Met verloop van tyd ontwikkel die tegnologie self, en gebruikers en die mark bepaal watter programme regtig die moeite werd is om te verken en betekenisvol te maak. Dit is dus geen verrassing dat ons in die afgelope paar weke verder gaan as vroeë AI-benaderings na iets baie meer dinamies: Oor die Agentic AI and Agentic RAG Dink aan "tradisionele AI" en vroeë LLM-integrasies soos 'n briljante maar 'n bietjie passiewe assistent. Jy vra dit 'n vraag, en dit sal jou 'n antwoord gee. Byvoorbeeld, jy vra 'n chatbot, "Wat is die weer?" en dit vertel jou. eenvoudige, direkte en effektiewe vir baie take. ️ So, hoekom die verskuiwing?Ons wou AI wat kon Meer, nie net nie Meer van! die Vertel Ons benodig stelsels wat kan beplan, multi-stap take uitvoer, interaksie met toepassings, selfkorrektiewe, verbind tot gereedskap ( ), en nog baie meer. Met die nuwe protokolle! This is where agentic AI and agentic RAG workflows step in! In plaas daarvan om net te antwoord, optree 'n agentelike AI-stelsel soos 'n proaktiewe probleemoplosser-superheld. Maar is dit die toekoms van AI of net hype? Decoding Agent AI: Wat is die hype oor? Tyd om dieper in die wêreld van agente AI te duik . Definisie van die agent So, wat presies Stel jou huidige AI-assistent voor, maar oorlad met die . is ability to think, plan, and act autonomously to achieve complex goals Dit is nie meer net die beantwoording van vrae nie; dit is aktief probleemoplossing gebaseer op 'n gegewe oproep!  + 💪 In sy kern, agent AI gebruik LLMs geïntegreer in " ️ ♂️ Die agente Die Dit is 'n groot en komplekse taak wat in klein, bestuurbare stappe verdeel word. om die mikro-taak te voltooi - dit alles autonoom! Die agente Dikwels deur middel van MCP-integrasies Sodra al die individuele stappe voltooi is en 'n goeie resultaat bereik word, integreer die agent hierdie resultate om 'n eindresultaat te lewer.Dit kan inhoud genereer - baie soos gereelde LLMs doen (maar met baie meer akkurate resultate as gevolg van die multi-stap proses) - of selfs werklike bedrywighede uit te voer soos die aankoop van kosgoed aanlyn vir jou, met 'n aankooplijst. Hoe om dit te bereik Dit is 'n breë term, en om goeie rede - daar is baie maniere om dit tot lewe te bring! Agente wat In die meeste scenario's werk 'n AI-agent nie geïsoleer nie. (selfs op 'n afstand, te danke aan protokolle soos Elke subagent word tipies aangedryf deur een of meer LLM's en toegerus met spesialiseerde gereedskap om spesifieke doelwitte te bereik. sub-agents Die A2A van Google So in wese, · Agentic AI means orchestrating LLMs and the tools they can connect to into a goal-driven workflow In hierdie opwindende nuwe grens, verskeie moontlike argitekture ontstaan: 
 
 
 
 
 Sekwensiële agente: Een agent voltooi 'n taak, dan oorgedra sy output na die volgende agent in die ketting. Loop Agents: Stel jou voor dat 'n agent sy sub-agente herhaaldelik uitvoer, óf vir 'n gestelde aantal iterasies of totdat 'n spesifieke toestand vervul word. Parallele agente: Vir take wat onafhanklik uitgevoer kan word, word subagente simultan uitgevoer om die proses te versnel! En meer... Die kernidee is om 'n multi-stap werkstroom te skep waar hoogs gespesialiseerde agente (wat uitstekend in die oplossing van spesifieke take) saamwerk. hierdie kombinasie lei tot hoogs gesofistikeerde, outonome AI-stelsels wat in staat is om ongelooflik diverse uitdagings aan te spreek. Dinge word baie makliker om te verstaan met 'n werklike wêreld voorbeeld: sien ️ Hoe om 'n journalist AI-agent te bou met behulp van drie sub-agente Tradisionele AI versus agente AI 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 Feature 
 Traditional AI 
 Agentic AI 
 
 
 
 
 Implementations 
 Usually, integration with a single LLM 
 A set of AI-orchestrated agents, each integrated with its own LLMs and specialized tools 
 
 
 
 
 Core function 
 Generating content by answering queries 
 Proactive problem-solving focused on achieving complex goals 
 
 
 
 
 Autonomy 
 Reactive; waits for explicit instruction 
 Autonomous; plans, executes, and self-corrects 
 
 
 
 
 Task handling 
 Single-step tasks or simple sequences 
 Complex, multi-step workflows where problems are broken down. 
 
 
 
 
 Tool usage 
 Possible plugin integration 
 Extensive integration with external tools, APIs, and more via AI protocols like MCP 
 
 
 
 
 Interaction 
 Primarily text-in, text-out 
 Interacts with applications, real-world systems, and other agents 
 
 
 
 
 Example 
 "Give me the best places I should see in my 3-day trip to Miami" 
 An AI vacation planner looking for fresh and new places to visit on your trip, while simultaneously booking flights, hotels, and buying tickets for the selected experiences for you 
 
 
 
 
 Best analogy 
 A knowledgeable assistant 
 A highly skilled project manager or a team of specialized experts 
 
 
 
 
 In emojis 
 🧠 
 🧠 + 🦾 Implementations Gewoonlik, integrasie met 'n enkele LLM 'N stel AI-georkestreerde agente, elkeen geïntegreer met sy eie LLMs en gespecialiseerde gereedskap Core function Inhoud genereer deur vrae te beantwoord Proaktiewe probleemoplossing gefokus op die bereiking van komplekse doelwitte Autonomy Reaktiewe; wag vir uitdruklike instruksies Autonoom; plan, uitvoer en selfkorreksie Task handling Enkele stapsgeleenthede of eenvoudige volgorde Kompleks, multi-stap werkstrome waar probleme afgebreek word. Tool usage Mogelike plug-in integrasie Uitgebreide integrasie met eksterne gereedskap, API's en meer deur middel van AI-protokolle soos MCP Interaction hoofsaaklik teks-in, teks-out Interaksie met toepassings, werklike wêreldstelsels en ander agente Example "Gee my die beste plekke wat ek in my 3-daagse reis na Miami moet sien" 'N AI vakansie beplanner op soek na vars en nuwe plekke om op jou reis te besoek, terwyl jy simultaan vlugte, hotelle en kaartjies koop vir die geselekteerde ervarings vir jou Best analogy 'n Kennismatige assistent 'N Hoë gekwalifiseerde projekbestuurder of 'n span gespecialiseerde kundiges In emojis die + Unpacking Agentic RAG: Wat jy moet weet Tyd om agentiese RAG te verken, die nuwe grens van herstelversterkte generasie. Wat dit is Jy het gehoor van Dit is soos om 'n LLM 'n super kragtige biblioteekkaart te gee om akkurate, vars en hoogs relevante inligting te vind voordat dit 'n antwoord lewer. Die RAG (Retrieval Augmented Generation) Dit is groot vir grond LLMs, maar daar is 'n vang: · you had to find and pass that content to the AI yourself Wel, agentiese RAG neem daardie konsep en injecteer 'n bietjie ernstige autonoomheid! Die kernidee hier is om Dit beteken dat u 'n agent-gebaseerde stelsel sal hê wat konteksdata-herstel strategies kan beplan. apply agentic AI principles directly to the RAG workflow Dink daaraan as om 'n toegewyde AI-navorsingsmotor te hê! Hierdie agent soek nie net passief nie.In plaas daarvan voer dit verskeie gerichte soeke uit, beoordeel intelligent die gehalte van inligting wat dit vind, en verfineer selfs sy vrae op die vlieg gebaseer op wat dit ontdek. Hierdie proaktiewe proses beteken dat die agentiese RAG-stelsel hoë gehalte inhoud op sy eie kan vind, verstaan en kies. Die versigtig gekurateerde inligting word dan aan ander agente in die werkstroom gegee, wat hulle in staat stel om baie meer akkurate en nuantiewe resultate te produseer. Hoe om dit te implementeer Die implementering van agentlike RAG draai rondom die ontwerp van 'n gespesialiseerde "herstelagent" uitgerus met LLMs en die regte gereedskap om met en uit te trek data uit verskillende bronne soos databasisse, web API's en die maatskappy se kennisbasis. Hierdie slim agent sal die swaar lyf hanteer: 
 
 
 
 
 Verander die prompt in geoptimaliseerde soektogte. Toepas daardie soeke oor al die bronne wat dit toegang het (potensieel selfs in parallel! ). Beoordeel die relevansie van die teruggekeerde inhoud. Versamel die teruggekeerde, hoë gehalte inligting. Ten slotte, (of ander gespesialiseerde agente) om daardie data te gebruik om die uiteindelike output te skep. the meticulously curated information is then passed to a "generation agent" ️ Stappe 1-3 kan verskeie keer deur die AI-orkestrator herhaal word as die geëxtraheerde inhoud nie akkuraat of voldoende beskou word nie. Note Tradisionele RAG versus Agentiese RAG 
 
 
 
 
 
 
 
 
 
 
 
 Feature 
 Traditional RAG 
 Agentic RAG 
 
 
 
 
 How context retrieval works 
 The LLM's answers are grounded in a pre-defined knowledge base that it can access 
 A dedicated retrieval agent strategically plans, executes, and refines multi-step searches across diverse sources 
 
 
 
 
 Autonomy 
 Reactive retrieval 
 Proactive and autonomous retrieval 
 
 
 
 
 Complexity 
 Simpler to set up for basic Q&A tasks. 
 More complex to design and implement due to the orchestration of multiple agents and specialized tools 
 
 
 
 
 Example 
 "What is the future of AI given the content in these research papers: <RESEARCH_PAPERS>?" 
 An agent workflow tasked with: "Summarize the latest trends in AI from recent academic papers." 
 
 
 
 
 In emojis 
 📚 ➡️ 💬 
 🧠 🗺️ 🔍 ➡️ 📝 ➡️ ✨ How context retrieval works Die LLM se antwoorde is gegrond op 'n vooraf gedefinieerde kennisbasis wat dit kan toegang 'N Toegewyde opsporing agent strategies beplan, uitvoer en verfineer multi-stap soeke oor verskillende bronne Autonomy Reaktiewe terugvoer Proaktiewe en autonoom herstel Complexity Eenvoudiger om op te stel vir basiese Q&A-taak. Meer kompleks om te ontwerp en te implementeer as gevolg van die orkestrering van verskeie agente en gespesialiseerde gereedskap Example "Wat is die toekoms van AI gegewe die inhoud in hierdie navorsingsdokumente: <RESEARCH_PAPERS>?" 'N Agent-werkstroom met die taak: "Sommering van die nuutste tendense in AI uit onlangse akademiese dokumente." In emojis ️ ️️️️️️ Wat jy nodig het om agensiese AI en agensiese RAG-werkstrome te bou Tot dusver kan die verhaal in hierdie artikel jou laat dink dat agentiese AI en agentiese RAG altyd beter is as "tradisionele" AI en RAG. Terwyl hierdie "agentiese" herinterpretasie van AI en RAG beslis beter akkuraatheid en meer komplekse outomasie kan bied, is die bou van 'n hele AI-werkstroom met verskeie gespesialiseerde agente wat met mekaar praat, nie altyd die beste benadering nie - veral vir eenvoudige take. Onthou, AI is gebore om te vereenvoudig en te outomatiser. die Over-engineering it can definitely be counterproductive. Agentlike AI en agentlike RAG skyn regtig wanneer jy In hierdie scenario's, die tyd en moeite wat geïnvesteer word in die bou van die hele agent-gebaseerde werkstroom maak perfekte sin. need to repeat elaborate actions or demand highly accurate results multiple times Nou, selfs as jy besluit dat 'n agentistiese werkstroom die regte pad is, is die implementering daarvan 'n heeltemal ander uitdaging. Jy sal 'n hele argitektuur van gereedskap en oplossings nodig hê om jou agente te ondersteun. 
 
 
 
 
 
 
 
 : Fresh, curated, AI-optimized datasets specifically designed for RAG workflows. 📦 Data packets 
 
  Servers packed with tools for data conversion, data retrieval, browser interaction, and much more. ⚙️ MCP servers: 
 
 : AI-integrable APIs that LLMs can use to retrieve fresh and accurate content from search engines—for RAG pipelines. 🔎 SERP APIs 
 
 : AI-ready browsers that agents can connect to for visiting and interacting with webpages while bypassing IP bans, CAPTCHAs, and other roadblocks. 🆓 Agent browsers 
 
  (yes, the ecosystem is constantly growing 📈 ). And many other tools! Met ander woorde, om Agentic AI en RAG-werkstrome sonder moeite werklik te implementeer, moet u toegang tot , net soos wat Bright Data bied, om die hele lewenscyklus van jou AI-inisiatiewe te ondersteun! 'n Omvattende AI en BI infrastruktuur AI en BI infrastruktuur https://www.youtube.com/watch?v=BfBofOssDkM&embedable=true Laaste gedagtes Nou verstaan wat agentiese AI en agentiese RAG verwys na, hoe om hulle te implementeer, en hoe hulle stapel teen hul "tradisionele" eweknieë. Soos ons beklemtoon het, vereis die bring van hierdie kragtige agentistiese werkstrome 'n AI-infrastruktuur wat jou AI-agente en werkstrome van begin tot einde kan ondersteun. By Bright Data is ons missie eenvoudig: om AI toeganklik te maak vir almal, oral.So tot die volgende keer - bly nuuskierig, bly dapper, en hou voort om die toekoms van AI te bou!

Walkthroughs, tutorials, guides, and tips. This story will teach you how to do something new or how to do something better.

This writer has a vested interest be it monetary, business, or otherwise, with 1 or more of the products or companies mentioned within.

Agentiese AI en Agentiese RAG: Hyped Buzzwords of Game-veranderers?

About Author

KOMMENTAAR

HANG TAGS

HIERDIE ARTIKEL IS AANGEBIED IN

Related Stories

Meet the Writer: HackerNoon Contributor Daniil Sitdikov, Software Engineer

Thinking for the 21st century

Startups of The Year: Meet the Business Industry

Uber Still Can't Turn a Profit

Meet the Writer: HackerNoon Contributor Daniil Sitdikov, Software Engineer

Thinking for the 21st century

Startups of The Year: Meet the Business Industry

Uber Still Can't Turn a Profit

Light-Mode

Classic

Newspaper

Dark-Mode

Neon Noir

Minty

HN StartUps