Agentisches RAG: Entwicklung einer KI, die recherchiert, logisch schließt und handelt

"Agentic RAG" untersucht die Entwicklung von Retrieval-Augmented Generation (RAG) hin zu intelligenten KI-Systemen, die schlussfolgern, planen, Wissen abrufen, externe Tools nutzen und ihre Antworten kontinuierlich verbessern können. Das Buch beginnt mit den Grundlagen des traditionellen RAG, seiner Architektur und seinen Grenzen, bevor es "Agentic RAG" als einen autonomeren und anpassungsfähigeren Ansatz vorstellt. Es wird erläutert, wie KI-Agenten die Absicht des Nutzers verstehen, komplexe Abfragen umformulieren und zerlegen, geeignete Wissensquellen auswählen und eine mehrstufige Wissensgewinnung durchführen. Das Buch behandelt außerdem Schlussfolgerungszyklen, Planungsstrategien, dynamische Werkzeugauswahl, iterative Suche, Selbstkorrektur und Speicherverwaltung, einschließlich Kurzzeit-, Langzeit- und semantischem Gedächtnis. Die Leser lernen, wie sie abgerufene Belege verifizieren, Halluzinationen reduzieren, Sicherheitsvorkehrungen implementieren und die Systemleistung bewerten können. Schließlich konzentriert sich das Buch auf die Entwicklung produktionsreifer Anwendungen unter Verwendung skalierbarer Architekturen, Multi-Agenten-Zusammenarbeit, Wissensgraphen und multimodaler Abfrage.