Building Agentic RAG with LlamaIndex

Building Agentic RAG with LlamaIndex是一个新的在线课程，旨在教学生如何构建能够对文档进行智能处理和查询的代理（agents）。这一过程涉及到使用RAG（检索增强的生成模型）的高级功能，并结合了LlamaIndex提供的技术，来创建能够自主进行工具使用、推理和决策的研究助手。这门课程的目的是让学习者能够开发出能够更深入地与数据互动并分析数据的智能代理。

课程内容概要

1. 构建Router代理：这是agentic RAG的最基本形式，它能够根据查询选择执行Q&A（问答）或摘要提取中的一个，来处理单个文档上的查询。

2. 添加工具调用：你将学会如何使router代理不仅选择一个要执行的功能，还能够推断传递给该功能的参数。

3. 构建研究助手代理：与单个工具调用不同，这个代理能够在多个步骤中对工具进行推理。

4. 构建多文档代理：扩展研究助手代理，使其能够处理多个文档。

这种方法与标准的RAG流程相比，后者只适用于跨少数文档的简单查询，前者基于最初的发现来适应并增强进一步的数据检索。通过这门课程，学习者将能够开发出一种自治的研究代理，提升处理和分析数据的能力。

你将练习构建能够智能导航、总结和比较来自arXiv等来源的多篇研究论文信息的代理，并学习如何调试这些代理，确保能够有效指导它们的行动。

使用情境

• 研究工作者：需要智能化地浏览、总结和对比多篇论文，以加速研究过程。
• 数据分析师：希望通过自动化的方式解读和分析汇总大量文档中的信息。
• 开发者和技术爱好者：对构建智能代理和提高文档处理能力感兴趣的任何人。

课程适用人群

任何具有基本Python知识，并希望学习如何快速构建能够对自己的文档进行推理的代理的人。

Building Agentic RAG with LlamaIndex是一个深入学习如何使用当代人工智能技术来加强数据处理和分析能力的课程。该课程适合希望将他们的数据分析技能提升到新水平的研究人员、数据分析师和技术开发者。