Nem todo sistema de IA precisa ser um agente
Este artigo explora os avanços recentes em Modelos de Linguagem Grandes (LLMs) e compara diferentes arquiteturas de sistemas de IA, incluindo LLMs puros, sistemas baseados em Geração Aumentada por Recuperação (RAG), uso de ferramentas e fluxos de trabalho de IA e agentes de IA. Usando um aplicativo de triagem de currículos como exemplo, ele ilustra as capacidades e complexidades de cada arquitetura. O autor argumenta que nem todos os aplicativos exigem um agente de IA; a arquitetura certa deve ser escolhida com base nas necessidades. A publicação enfatiza a importância da construção de sistemas de IA confiáveis, recomendando começar com padrões simples e compostos e adicionar complexidade incrementalmente, priorizando a confiabilidade em relação à capacidade bruta.