Chaînes et agents
Concepts de LLMOps
Max Knobbout, PhD
Applied Scientist, Uber
Cycle de vie d'un LLM : chaînes et agents
Des invites aux applications
Pour utiliser ce gabarit, il faut :
Des exemples
Une entrée
Étapes :
Réception de l'entrée
Recherche d'exemples
Création de l'invite
Récupération de la sortie
Analyse de la sortie
Une chaîne avec notre gabarit
Pourquoi des chaînes ?
Concevoir des applications avancées
Concevoir en modules pour évoluer et gagner en efficacité
Ouvrir la voie à une personnalisation étendue
Agents
Un agent comprend :
Plusieurs actions (ou outils)
Un LLM qui choisit l'action à exécuter
Utile lorsque :
Il y a de nombreuses actions
La séquence optimale est inconnue
Les entrées sont incertaines
Agents
Agents
Agents
Différences entre chaînes et agents
Chaînes 🔗
Agents 🤖
Nature
Déterministe
Adaptatif
Complexité
Faible
Élevée
Flexibilité
Faible
Élevée
Risque
Plus faible (prévisibilité)
Plus élevé (adaptabilité)
Le cycle de développement
Le cycle de développement
Le cycle de développement
Passons à la pratique !
Concepts de LLMOps
Preparing Video For Download...