|
|
Building LLM Agents with RAG, Knowledge Graphs & Reflection: A Practical Guide to Building Intelligent, Context-Aware, and Self-Improving AI Agent (eBook)
|
|
|
Building LLM Agents with RAG, Knowledge Graphs & Reflection: A Practical Guide to Building Intelligent, Context-Aware, and Self-Improving AI Agent (eBook)
|
|
Mira S. Devlin
|
|
Mira S. Devlin
|
|
|
Prezzo:
€ 8,99
Compra EPUB
|
Prezzo:
€ 8,99
Compra EPUB
|
|
|
Formato :
|
EPUB |
|
Cloud:
|
Sì Scopri di più |
|
Compatibilità:
|
Tutti i dispositivi
|
|
Lingua:
|
Inglese |
|
Editore:
|
Richa Publishing Minds |
|
Codice EAN:
|
9798232802684 |
|
Anno pubblicazione:
|
2025 |
Scopri QUI come leggere i tuoi eBook |
|
 | Abbonati a Kobo Plus per avere accesso illimitato a migliaia di eBook |
|
Note legali
NOTE LEGALI
b) Informazioni sul prezzo
Il prezzo barrato corrisponde al prezzo di vendita al pubblico al lordo di IVA e al netto delle spese di spedizione
Il prezzo barrato dei libri italiani corrisponde al prezzo di copertina.
I libri in inglese di Libraccio sono di provenienza americana o inglese.
Libraccio riceve quotidianamente i prodotti dagli USA e dalla Gran Bretagna, pagandone i costi di importazione, spedizione in Italia ecc.
Il prezzo in EURO è fissato da Libraccio e, in alcuni casi, può discostarsi leggermente dal cambio dollaro/euro o sterlina/euro del giorno. Il prezzo che pagherai sarà quello in EURO al momento della conferma dell'ordine.
In ogni caso potrai verificare la convenienza dei nostri prezzi rispetto ad altri siti italiani e, in moltissimi casi, anche rispetto all'acquisto su siti americani o inglesi.
c) Disponibilità
I termini relativi alla disponibilità dei prodotti sono indicati nelle Condizioni generali di vendita.
Disponibilità immediata
L'articolo è immediatamente disponibile presso Libraccio e saremo in grado di procedere con la spedizione entro un giorno lavorativo.
Nota: La disponibilità prevista fa riferimento a singole disponibilità.
Disponibile in giorni o settimane (ad es. "3-5-10 giorni", "4-5 settimane" )
L'articolo sarà disponibile entro le tempistiche indicate, necessarie per ricevere l'articolo dai nostri fornitori e preparare la spedizione.
Nota: La disponibilità prevista fa riferimento a singole disponibilità.
Prenotazione libri scolastici
Il servizio ti permette di prenotare libri scolastici nuovi che risultano non disponibili al momento dell'acquisto.
Attualmente non disponibile
L'articolo sarà disponibile ma non sappiamo ancora quando. Inserisci la tua mail dalla scheda prodotto attivando il servizio Libraccio “avvisami” e sarai contattato quando sarà ordinabile.
Difficile reperibilità
Abbiamo dei problemi nel reperire il prodotto. Il fornitore non ci dà informazioni sulla sua reperibilità, ma se desideri comunque effettuare l'ordine, cercheremo di averlo nei tempi indicati. Se non sarà possibile, ti avvertiremo via e-mail e l'ordine verrà cancellato.
Chiudi
|
Descrizione
Building LLM Agents with RAG, Knowledge Graphs & Reflection
A Practical Guide to Building Intelligent, Context-Aware, and Self-Improving AI Agents
By Mira S. Devlin
Transform Large Language Models into Intelligent Agents That Reason, Retrieve, and Reflect
Large language models can generate text—but intelligence requires more than words.
True intelligence demands reasoning, memory, and reflection. It requires systems that can connect what they know, retrieve what they need, and learn from what they produce.
In Building LLM Agents with RAG, Knowledge Graphs & Reflection, AI systems architect Mira S. Devlin guides you beyond the surface of generative AI into the world of agentic intelligence—where LLMs evolve from reactive tools into dynamic collaborators capable of grounding responses in truth, understanding context, and improving over time.
This book doesn't just explain concepts—it helps you build them. Each chapter blends theory, diagrams, and applied examples to show how retrieval, reasoning, and reflection interact inside modern AI agents. Whether you're constructing a self-updating research assistant or a multi-agent workflow, you'll gain a deep understanding of how today's most advanced cognitive systems are designed.
What You'll Learn
The Cognitive Core of AI Agents
Understand the architecture of transformers, tokenization, and attention.
Explore the shift from static LLMs to adaptive, outcome-driven agents.
Learn how retrieval, reflection, and reasoning form the four pillars of intelligence.
Retrieval-Augmented Generation (RAG)
Master the techniques that make models factually grounded and transparent.
Implement retrievers, rankers, and generators using open-source frameworks.
Evaluate accuracy with metrics like Recall@K, Precision@K, and grounding quality.
Knowledge Graphs and Structured Reasoning
Design and query graph-based knowledge systems using Neo4j, ArangoDB, or GraphRAG.
Combine structured knowledge with unstructured language for explainable AI.
Reflection and Cognitive Loops
Build agents that evaluate their own outputs and correct themselves.
Implement Plan ? Act ? Reflect ? Revise cycles for self-improving intelligence.
Explore short-term and long-term memory systems for continuous learning.
Multi-Agent Collaboration
Use frameworks like CrewAI, LangGraph, and AutoGPT2 to orchestrate coordination.
Key Features
End-to-end coverage: From LLM fundamentals to advanced RAG and reflection architectures.
Practical code labs: Step-by-step walkthroughs in Python with modular components.
Visual clarity: Concept diagrams, data flow maps, and evaluation schematics throughout.
Debugging insights: Identify hallucinations, reasoning gaps, and retrieval errors with real-world examples.
Scalable design patterns: Extend single-agent models into multi-agent collaborative systems.
This book is written for:
AI developers, data scientists, and engineers who want to move beyond simple LLM prompts.
Architects and product innovators building intelligent, explainable, and adaptive AI systems.
Researchers and students seeking a structured understanding of retrieval-based reasoning and reflection.
Tech leaders and educators integrating agentic AI into enterprise or academic environments.
You don't need a supercomputer—just intermediate Python skills, a working knowledge of APIs, and curiosity. Every example can be run on a standard laptop or cloud environment.
Order Now.
|
|
|
|
