Erstellung von AI Agents mit LlamaIndex und RAG

Da sich künstliche Intelligenz weiterentwickelt, reichen statische Sprachmodelle nicht mehr aus; moderne Anwendungen erfordern AI, die aktiv benutzerdefinierte Daten abrufen und mehrstufige Aufgaben ausführen kann. Dieser Kurs lehrt Sie, wie Sie die Lücke zwischen Large Language Models und Ihren eigenen Datenquellen mit LlamaIndex schließen. Sie beginnen mit den grundlegenden Konzepten von AI Agents und Retrieval-Augmented Generation (RAG) und arbeiten sich Schritt für Schritt durch den Prozess der Erstellung robuster, datengestützter agentischer Workflows. Was Sie lernen werden: - Verstehen der grundlegenden Terminologie von AI Agents, LLMs und RAG-Architekturen. - Konfigurieren von LlamaIndex, um Ihre benutzerdefinierten Datenquellen aufzunehmen, zu indizieren und abzufragen. - Erstellen grundlegender RAG-Pipelines, um die Genauigkeit und Relevanz von AI-Antworten zu verbessern. - Entwerfen agentischer Workflows, die komplexe Abfragen zerlegen und Aufgaben effektiv weiterleiten können. - Integrieren moderner Vektordatenbanken, um Daten effizient zu speichern und abzurufen. - Anwenden von Prompt Engineering-Grundlagen, um Ihre Agents zu zuverlässigen Ergebnissen zu führen. Der Kurs beginnt mit der wesentlichen Terminologie und grundlegenden Konzepten, bevor er Sie durch schriftliche Übungen zur Konstruktion Ihrer ersten Datenindizes und agentischen Loops führt. Sie werden von einfachen Dokumentabfragen bis hin zum Entwurf mehrstufiger AI Agents fortschreiten, die in der Lage sind, über komplexe Datensätze zu schlussfolgern. Dieser Kurs richtet sich an Anfänger, angehende Data Engineers und Entwickler ohne vorherige AI-Erfahrung, die die Mechanik agentischer Workflows verstehen möchten. Beginnen Sie noch heute mit dem Lesen, um das Potenzial Ihrer Daten freizusetzen und Ihren ersten intelligenten AI Agent zu bauen.