Ir para o conteúdo

Como construir um agente de IA com Geração Aumentada por Recuperação (RAG) no Jitterbit Harmony

Introdução

Este guia mostra como adicionar uma ferramenta para responder a perguntas específicas a um agente de IA contextual no Jitterbit Harmony usando o Studio. Este agente utiliza a técnica de Geração Aumentada por Recuperação (RAG), que combina o raciocínio de LLM com acesso a ferramentas externas e fontes de dados.

Importante

Esses passos são uma continuação dos guias de como construir um agente reativo e construir um agente contextual.

Dica

Para fins de aprendizado, consulte o Agente de Q&A do Salesforce fornecido através do Jitterbit Marketplace para uma implementação deste guia.

agente de IA básico rag

Construir um agente de IA com RAG

  1. Abra o projeto do Studio que contém seu agente contextual.

  2. Identifique ferramentas para integração. Por exemplo:

    • Tool - Obter Pedidos do Salesforce
    • Tool - Consultar Tickets do Jira

  3. Adicione fluxos de trabalho de ferramentas com base nas ferramentas identificadas para integração. Para cada um:

    1. Clique Adicionar Novo Fluxo de Trabalho na parte superior do canvas de design para criar um novo fluxo de trabalho.

    2. Clique duas vezes no nome do fluxo de trabalho padrão e renomeie-o para a ferramenta específica.

    3. Projete o fluxo de trabalho da ferramenta para que aceite os parâmetros de entrada, consulte a fonte de dados e retorne a saída estruturada. Cada ferramenta deve ser independente e sem estado. Consulte o Agente de Q&A do Salesforce para um exemplo.

  4. Atualize a lógica principal de IA para RAG e chamadas de ferramentas:

    1. Abra o fluxo de trabalho Main - Lógica de Ferramentas do Agente de IA.
    2. Modifique o fluxo de trabalho para que receba a consulta do usuário de Main Entry - Manipulador de Solicitações da API.
    3. Adicione uma função chamando a ferramenta à solicitação de LLM para determinar qual ferramenta chamar.
    4. Ao receber uma resposta de chamada funcional do LLM, invoque a ferramenta apropriada para recuperar os dados relevantes.
    5. Alimente a saída da ferramenta e o histórico da conversa em um prompt de LLM para obter uma saída estruturada.
    6. Gere a resposta e, opcionalmente, resuma o contexto.

Veja Agente de Q&A do Salesforce para um exemplo.

  1. (Opcional) Integre indexação e pesquisa.

    Dica

    Para consultas que envolvem documentos não estruturados extensos, considere usar o Azure Blob Storage e o Azure AI Search ou um serviço de pesquisa/indexação semelhante. Mais informações podem ser encontradas no Agente de Conhecimento Jitterbit, que utiliza o Azure Blob Storage e o Azure AI Search.

Próximas etapas

Para incorporar o agente da API em um aplicativo do App Builder, veja Construir um aplicativo inteligente.