Neste artigo, você aprenderá como construir, implantar e testar um agente de IA de processamento de documentos sem código com LlamaAgents Builder no LlamaCloud.
Os tópicos que cobriremos incluem:
- Como criar um agente de classificação de documentos usando um immediate em linguagem pure.
- Como implantar o agente em um aplicativo com suporte do GitHub sem escrever código.
- Como testar o agente implantado em faturas e contratos na interface LlamaCloud.
Não vamos perder mais tempo.
LlamaAgents Builder: do immediate ao agente de IA implantado em minutos (clique para ampliar)
Imagem por Editor
Introdução
Criação de um agente de IA para tarefas como análise e processamento de documentos usados de forma autônoma para exigir horas de configuração quase infinita, orquestração de código e batalhas de implantação. Até agora.
Este artigo revela o processo de construção, implantação e uso de um agente inteligente do zero, sem escrever uma única linha de código, usando Construtor LlamaAgents. Melhor ainda, iremos hospedá-lo como um aplicativo em um repositório de software program que será 100% de nossa propriedade.
Concluiremos todo o processo em questão de minutos, então o tempo é essencial: vamos começar.
Construindo com LlamaAgents Builder
LlamaAgents Builder é um dos mais novos recursos do LhamaCloud plataforma net, cujo principal produto foi originalmente apresentado como LhamaParse. Uma mistura um pouco confusa de nomes, eu sei! Por enquanto, lembre-se de que acessaremos o construtor de agentes através este hyperlink.
A primeira coisa que você deverá ver é um menu inicial como o mostrado na imagem abaixo. Se não for isso que você vê, tente clicar no ícone “LlamaParse” no canto superior esquerdo e você deverá ver isso – pelo menos no momento em que escrevo.
Menu inicial do LlamaParse
Observe que, neste exemplo, estamos trabalhando com uma conta de plano gratuito recém-criada, que permite processamento de até 10.000 páginas.
Veja o bloco “Agentes” no canto inferior direito? É onde mora o LlamaAgents Builder. Embora esteja em versão beta no momento em que este artigo foi escrito, já podemos construir fluxos de trabalho úteis baseados em agentes, como veremos.
Ao clicar nele, uma nova tela será aberta com uma interface de chat semelhante ao Gemini, ChatGPT e outros. Você receberá vários fluxos de trabalho sugeridos sobre o que gostaria que seu agente fizesse, mas especificaremos o nosso próprio digitando o seguinte immediate na caixa de entrada na parte inferior. Apenas linguagem pure, sem código algum:
Crie um agente que classifique os documentos em “Contratos” e “Faturas”. Para contratos, extraia as partes signatárias; para faturas, o valor complete e an information.
Especificar o que o agente deve fazer com um immediate em linguagem pure
Basta enviar o immediate e a mágica começará. Com um nível notável de transparência no processo de raciocínio, você verá as etapas concluídas e o progresso alcançado até agora:
AgentBuilder criando nosso fluxo de trabalho de agente
Após alguns minutos, o processo de criação estará concluído. Você não apenas pode ver o diagrama completo do fluxo de trabalho, que cresceu gradualmente ao longo do processo, mas também recebe uma descrição sucinta e clara de como usar seu agente recém-criado. Simplesmente incrível.
Fluxo de trabalho do agente criado
O próximo passo é implantar nosso agente para que possa ser usado. No canto superior direito, você poderá ver um “Enviar e implantar“. Isso inicia o processo de publicação dos pacotes de software program do fluxo de trabalho do seu agente em um repositório GitHub, portanto, certifique-se de ter uma conta registrada no GitHub primeiro. Você pode registrar-se facilmente com uma conta existente do Google ou da Microsoft, por exemplo. Depois de conectar a plataforma LlamaCloud à sua conta GitHub, é extremamente fácil enviar e implantar seu agente: basta dar um nome a ele, especificar se deseja-o em um repositório privado e pronto:
Enviando e implantando o fluxo de trabalho do agente no GitHub
O processo levará alguns minutos e você verá um fluxo de mensagens semelhantes a linha de comando aparecendo instantaneamente. Assim que for finalizado e o standing do seu agente aparecer como “Correndo“, você verá algumas mensagens finais semelhantes a esta:
(aplicativo) 10:01:08.583 informações Aplicativo comece completo. (uvicórnio.erro) (aplicativo) 10:01:08.589 informações Uvicórnio correndo sobre http://0.0.0.0:8080 (Pressione CTRL+C para sair) (uvicorn.error) (aplicativo) 10:01:09.007 informações HTTP Solicitar: PUBLICAR https://api.cloud.llamaindex.ai/api/v1/beta/agent-data/:search?project_id= |
As mensagens “Uvicorn” indicam que nosso agente foi implantado e está funcionando como uma API de microsserviço dentro da infraestrutura LlamaCloud. Se você estiver familiarizado com endpoints FastAPI, você pode querer experimentá-lo programaticamente por meio da API, mas neste tutorial, manteremos as coisas mais simples (prometemos zero codificação, não foi?) e tentaremos tudo nós mesmos na própria interface de usuário do LlamaCloud.
Para fazer isso, clique no botão “Visita”Botão que aparece na parte superior:
Agente implantado em funcionamento
Agora vem a parte mais emocionante. Você deveria ter sido levado a uma página de playground chamada “Revisão”, onde poderá testar seu agente. Comece enviando um arquivo, por exemplo, um documento PDF contendo uma fatura ou um contrato. Se você não tiver um, basta criar seu próprio documento de exemplo fictício usando o Microsoft Phrase, Google Docs ou uma ferramenta semelhante, como esta:
UI de teste do agente LlamaCloud: processando uma fatura
Assim que o documento for carregado, o agente começa a trabalhar por conta própria e, em questão de segundos, classificará o seu documento e extrairá os campos de dados obrigatórios, dependendo do tipo de documento. Você pode ver este resultado no painel direito da imagem acima: o valor complete e an information da fatura foram extraídos corretamente pelo agente.
Que tal enviar agora um exemplo de documento contendo um contrato?
UI de teste do agente LlamaCloud: processando um contrato
Como period de se esperar, o documento passou a ser classificado como contrato e, nesta ocasião, as informações extraídas consistem nos nomes das partes signatárias.
Bom trabalho! À medida que você executa exemplos, certifique-se de aprová-los ou rejeitá-los com base no fato de terem sido processados corretamente: isso ajuda o agente a aprender com o suggestions.
Casos de teste do agente e seu standing
Concluindo
Vimos como construir e implantar, passo a passo e sem linhas de código, um agente de IA capaz de classificar documentos e processá-los de diferentes maneiras dependendo do tipo de documento – tudo em questão de minutos e dentro do recurso recém-adicionado do LlamaCloud, LlamaAgents Builder.