এজেন্টিক RAG
Agentic RAG একটি এজেন্টকে উত্তর দেওয়ার আগে কখন, কী এবং কতবার অনুসন্ধান করতে হবে তা নির্ধারণ করতে দিয়ে সাধারণ পুনরুদ্ধার-বর্ধিত প্রজন্মকে আপগ্রেড করে৷
ওভারভিউ
Instead of one fixed lookup, it reasons, retrieves, and refines in a loop.
গভীর ডুব
ক্লাসিক রিট্রিভাল-অগমেন্টেড জেনারেশন (RAG) একটি কাজ করে: ব্যবহারকারীর প্রশ্ন নিন, একটি ভেক্টর স্টোর থেকে কয়েকটি প্রাসঙ্গিক নথি আনুন এবং সেগুলি প্রম্পটে স্টাফ করুন। এজেন্টিক RAG পুনরুদ্ধার একটি সক্রিয় সিদ্ধান্ত নেয়। একজন এজেন্ট প্রথমে কারণ অনুসন্ধান করতে হবে কিনা, কোন ক্যোয়ারী ব্যবহার করতে হবে এবং কোন উৎস থেকে অনুসন্ধান করতে হবে। এটি একটি কঠিন প্রশ্নকে উপ-প্রশ্নগুলিতে বিভক্ত করতে পারে, প্রতিটির জন্য পুনরুদ্ধার করতে পারে, ফলাফলগুলি যথেষ্ট কিনা তা মূল্যায়ন করতে পারে এবং যদি না হয় তবে একটি পরিমার্জিত প্রশ্ন দিয়ে আবার অনুসন্ধান করতে পারে। এটি একাধিক জ্ঞানের ভিত্তির মধ্যে রুট করতে পারে, একটি ওয়েব অনুসন্ধান কল করতে পারে, বা প্রশ্নের উপর নির্ভর করে একটি SQL ডাটাবেস ব্যবহার করতে পারে। এই পুনরাবৃত্তিমূলক, টুল-নির্বাচন আচরণ মাল্টি-হপ প্রশ্নগুলি পরিচালনা করে ('টেক্সাসে আমাদের কোন গ্রাহক নীতি পরিবর্তনের পরে সাইন আপ করেছেন?') যে একক-শট RAG খারাপভাবে উত্তর দেয়, আরও মডেল কল এবং লেটেন্সির খরচে।
প্রযুক্তিগত অন্তর্দৃষ্টি
এজেন্ট উদ্ধারকারীদেরকে হাতিয়ার হিসেবে বিবেচনা করে। প্রতিটি মোড়ে এটি একটি পুনরুদ্ধার ক্রিয়া বেছে নিতে পারে, ফিরে আসা অংশগুলি পরিদর্শন করতে পারে, তাদের প্রাসঙ্গিকতা বিচার করতে পারে এবং একটি সংস্কারকৃত অনুরোধের সাথে উত্তর দেওয়ার বা আবার জিজ্ঞাসা করার সিদ্ধান্ত নিতে পারে। একটি স্টপিং অবস্থার সাথে একটি লুপ (যথেষ্ট প্রমাণ, বা একটি ধাপ সীমা) পুনরাবৃত্তি নিয়ন্ত্রণ করে। কিছু ডিজাইন একটি গ্রেডিং ধাপ যোগ করে যা প্রজন্মের আগে অপ্রাসঙ্গিক পুনরুদ্ধার করা অংশগুলিকে ফিল্টার করে, যা বিষয়বস্তুর বাইরের প্রসঙ্গ দ্বারা মডেলটিকে বিভ্রান্ত করার সম্ভাবনা হ্রাস করে।
কৌশলগত প্রভাব
পছন্দগুলি তৈরি করুন
অ্যাপ্লিকেশন-স্তরের নকশা নির্ধারণ করে যে AI বাস্তব ফলাফলগুলিকে উন্নত করে কিনা।
টিম এবং ওয়ার্কফ্লো
ভাল ওয়ার্কফ্লো ইন্টিগ্রেশন ব্যবহারকারীদের বিশ্বাস করতে পারে এমন উত্পাদনশীলতা লাভ তৈরি করে।
ঝুঁকি এবং নিরাপত্তা
সুপরিসর ব্যবহারের ক্ষেত্রে পরিবর্তনের ক্লান্তি এবং বাস্তবায়নের ঝুঁকি হ্রাস করে।
এজেন্টিক RAG এর ভবিষ্যত
Agentic RAG বৃহত্তর এজেন্ট ফ্রেমওয়ার্কের সাথে একত্রিত হচ্ছে: ক্যালকুলেটর, কোড এক্সিকিউশন এবং API-এর পাশাপাশি পুনরুদ্ধার অনেকের মধ্যে একটি হাতিয়ার হয়ে উঠেছে। খরচ কমাতে বুদ্ধিমান ক্যোয়ারী পরিকল্পনা, পুনরুদ্ধার করা প্রমাণের স্ব-গ্রেডিং এবং অতীত পুনরুদ্ধারের ক্যাশিং আশা করুন। আরও ভালো সোর্স রাউটিং একটি এজেন্টকে অভ্যন্তরীণ ডক্স, ওয়েব এবং স্ট্রাকচার্ড ডাটাবেস থেকে একক উত্তরে টানতে দেবে। মূল উত্তেজনা, নির্ভুলতা বনাম বিলম্ব এবং ব্যয়, অভিযোজিত সিস্টেমগুলিকে চালিত করবে যেগুলি ভারী বহু-পদক্ষেপ পুনরুদ্ধার ব্যবহার করে শুধুমাত্র তখনই যখন একটি প্রশ্ন প্রকৃতপক্ষে এটির নিশ্চয়তা দেয়৷
বাস্তব-বিশ্ব বাস্তবায়ন
একটি এন্টারপ্রাইজ সহকারী যে প্রশ্নটির উপর ভিত্তি করে HR হ্যান্ডবুক, কোডবেস উইকি, বা SQL বিক্রয় ডাটাবেস জিজ্ঞাসা করবে কিনা তা সিদ্ধান্ত নেয়।
একটি গবেষণা সহায়ক যা 'ঔষধ A এবং ড্রাগ B এর পার্শ্বপ্রতিক্রিয়া'কে দুটি অনুসন্ধানে বিভক্ত করে, প্রতিটির জন্য পুনরুদ্ধার করে, তারপর সংশ্লেষ করে।
একটি সমর্থন বট যা ডক্স পুনরুদ্ধার করে, বিচার করে যে সেগুলি অপর্যাপ্ত, ক্যোয়ারীটি পুনর্নির্মাণ করে এবং উত্তর দেওয়ার আগে আবার অনুসন্ধান করে৷
একটি আইনি সরঞ্জাম যা মাল্টি-হপ পুনরুদ্ধার করে, একটি ধারা খুঁজে বের করে, তারপরে এটির উল্লেখ করা নিয়মের জন্য অনুসন্ধান করে।
ঝুঁকি এবং প্রহরী
একটি ভাঙা প্রক্রিয়া স্বয়ংক্রিয়ভাবে বিদ্যমান সমস্যাগুলিকে প্রসারিত করতে পারে।
দলগুলি অতিরিক্ত-স্বয়ংক্রিয় হতে পারে এবং প্রয়োজনীয় মানবিক বিচার অপসারণ করতে পারে।
আউটপুট ক্রমাগত মূল্যায়ন না করা হলে গুণমান প্রবাহিত হতে পারে।
বাস্তবায়ন রোডম্যাপ
বর্তমান ওয়ার্কফ্লো ম্যাপ করুন এবং সর্বোচ্চ-ঘর্ষণ ধাপ সনাক্ত করুন।
সম্পূর্ণ অটোমেশনের আগে মানব চেকপয়েন্টগুলি সংজ্ঞায়িত করুন।
ব্যবহারকারীদের প্রম্পট, বৃদ্ধির পথ এবং মানের মান সম্পর্কে প্রশিক্ষণ দিন।
টেকসই মান নিশ্চিত করতে টাস্ক-লেভেল ফলাফল ট্র্যাক করুন।
অন্বেষণ চালিয়ে যান
Free newsletter
Get the daily AI briefing
Three verified AI stories every weekday morning, written in plain English. Free forever, no ads.
One email each weekday. Unsubscribe in one click. We never sell or share your address.
Test yourself
Take the Agentic RAG quiz
Instant feedback on every answer, and a shareable certificate with a verifiable ID once you pass a course.
Support free AI education. AI Understanding is a 501(c)(3) nonprofit — no ads, no paywall, ever. Make a donation
পরবর্তী গাইড
র ্যাগ
প্রায়শই জিজ্ঞাসিত প্রশ্নাবলী
What is Agentic RAG?
Agentic RAG একটি এজেন্টকে উত্তর দেওয়ার আগে কখন, কী এবং কতবার অনুসন্ধান করতে হবে তা নির্ধারণ করতে দিয়ে সাধারণ পুনরুদ্ধার-বর্ধিত প্রজন্মকে আপগ্রেড করে৷ একটি নির্দিষ্ট লুকআপের পরিবর্তে, এটি একটি লুপে কারণ, পুনরুদ্ধার এবং পরিমার্জন করে।
এজেন্টিক RAG এবং ক্লাসিক RAG মধ্যে মূল পার্থক্য কি?
ক্লাসিক RAG একটি নির্দিষ্ট লুকআপ করে; এজেন্টিক RAG পুনরুদ্ধারকে এজেন্ট দ্বারা নিয়ন্ত্রিত একটি সক্রিয়, পুনরাবৃত্তিমূলক সিদ্ধান্তে পরিণত করে।
কিভাবে এজেন্টিক RAG একটি কঠিন মাল্টি-হপ প্রশ্ন পরিচালনা করে?
সাব-প্রশ্নের মধ্যে ক্ষয়প্রাপ্ত হওয়া এবং প্রতিটির জন্য প্রমাণ পুনরুদ্ধার করা এজেন্টিক RAG-এর মূল শক্তি।
এজেন্টিক RAG-তে, retrievers কে এজেন্টের কাছে কী হিসেবে সবচেয়ে ভালোভাবে বর্ণনা করা হয়?
এজেন্ট প্রতিটি পুনরুদ্ধারকারীকে একটি হাতিয়ার হিসাবে বিবেচনা করে এবং সিদ্ধান্ত নেয় যে এটি প্রতিটি মোড়ে কীভাবে ব্যবহার করা হবে।
এজেন্টিক RAG-তে একটি ঐচ্ছিক 'গ্রেডিং' পদক্ষেপ কী করে?
পুনরুদ্ধার করা অংশগুলির গ্রেডিং প্রাসঙ্গিকতা সেই ঝুঁকি হ্রাস করে যে অফ-টপিক প্রসঙ্গ মডেলটিকে বিভ্রান্ত করে।
একক-শট RAG-এর তুলনায় এজেন্টিক RAG-এর প্রধান খরচ কত?
পুনরাবৃত্তিমূলক যুক্তি এবং বারবার পুনরুদ্ধার উত্তর উন্নত করে কিন্তু বিলম্ব এবং ব্যয় যোগ করে।