Sistemas baseados em agentes: implante e avalie aplicativos de RAG com o Databricks AI

O Databricks permite criar agentes de AI poderosos usando LLMs de base, geração aumentada por recuperação (RAG), busca vetorial, extração de PDF e Mosaic AI Agent Evaluation. Com RAG, você pode enriquecer os prompts com conhecimento específico do domínio para oferecer respostas mais inteligentes e precisas, sem fazer ajuste fino nos seus próprios modelos.

Nesta demonstração, você vai aprender a:

• Criar ferramentas e salvá-las como funções do Unity Catalog

• Crie e implante seu primeiro agente com LangChain

• Avalie seu agente e crie um ciclo de avaliação para garantir que as novas versões tenham desempenho melhor no seu conjunto de dados

• Prepare documentos e crie uma base de conhecimento com Vector Search

• Implante um chatbot de Q&A em tempo real usando RAG

• Avalie o desempenho com Mosaic AI Agent Evaluation e MLflow 3.0

• Analise e extraia informações usando a função nativa do Databricks ai_parse_document

• Monitore agentes em operação e analise o comportamento em produção

• Implante uma interface de chatbot com o Lakehouse Application

Para executar a demonstração, obtenha um workspace gratuito do Databricks e execute os dois comandos a seguir em um notebook Python: