English

Definition: Large Language Model (LLM) Agents are AI systems designed to understand, generate, and respond to human language in a way that simulates human-like interaction. LLM Agents can automate tasks, provide insights, assist with decision-making, and enhance user experiences across various industries. To understand what LLM agents are, we need to step back to understand what LLM is and how agents came about. Large Language Models (LLMs) are advanced artificial intelligence models designed to understand and generate human-like text. These models are typically based on deep learning architectures, specifically transformers, which enable them to process and produce natural language with high accuracy and coherence. LLMs are trained on vast amounts of text data, allowing them to learn the intricacies of language, including grammar, context, semantics, and even some level of common-sense reasoning.

Français

Définition : Les agents LLM (Large Language Model) sont des systèmes d'IA conçus pour comprendre, générer et répondre au langage humain d'une manière qui simule une interaction de type humain. Les agents LLM peuvent automatiser des tâches, fournir des informations, aider à la prise de décision et améliorer l'expérience utilisateur dans divers secteurs. Pour comprendre ce que sont les agents LLM, nous devons prendre du recul pour comprendre ce qu'est le LLM et comment les agents sont nés. Les grands modèles linguistiques (LLM) sont des modèles d'intelligence artificielle avancés conçus pour comprendre et générer du texte de type humain. Ces modèles sont généralement basés sur des architectures d'apprentissage profond, en particulier des transformateurs, qui leur permettent de traiter et de produire un langage naturel avec une grande précision et cohérence. Les LLM sont formés sur de grandes quantités de données textuelles, ce qui leur permet d'apprendre les subtilités du langage, notamment la grammaire, le contexte, la sémantique et même un certain niveau de raisonnement de bon sens.

English

Transformers, introduced in 2017 with the "Attention is All You Need" paper, became the foundation for modern NLP. LLMs like GPT-3 and BERT demonstrated unprecedented language capabilities, understanding context, generating coherent text, and performing complex language tasks.

Français

Les transformateurs, introduits en 2017 avec le document « Attention is All You Need », sont devenus la base du PNL moderne. Des LLM comme GPT-3 et BERT ont démontré des capacités linguistiques sans précédent, comprenant le contexte, générant du texte cohérent et effectuant des tâches linguistiques complexes.

English

Intelligent Agents emerged in 2020s – Present. Building on advancements in LLMs, intelligent agents emerged, combining the autonomy of traditional agents with advanced language capabilities. These agents can understand and generate natural language, interact with users, integrate external tools and APIs, and perform complex tasks.

Français

Les agents intelligents sont apparus dans les années 2020 – aujourd’hui. S’appuyant sur les avancées des LLM, des agents intelligents ont émergé, combinant l’autonomie des agents traditionnels avec des capacités linguistiques avancées. Ces agents peuvent comprendre et générer du langage naturel, interagir avec les utilisateurs, intégrer des outils et des API externes et effectuer des tâches complexes.

English

LangChain and Other Frameworks:

Frameworks like LangChain provide tools for developing and managing intelligent agents, enabling integration with LLMs and external tools. These agents can perform a wide range of tasks, from customer support to personal assistance and automated workflows.

Examples of Modern Intelligent Agents:

a. Chatbots and Virtual Assistants:

• Powered by LLMs, these agents provide human-like interaction, handling customer inquiries, scheduling, and personal tasks.
• Examples: OpenAI's ChatGPT, Google Assistant, Amazon Alexa.

b. Automated Customer Support:

• Agents integrated with CRM systems to handle support tickets, provide information, and resolve issues.
• Examples: Intercom's automated support bots, Zendesk Answer Bot.

c. Personalized Recommendations:

• Agents that analyze user preferences and behaviors to provide tailored recommendations for products, services, or content.
• Examples: Netflix's recommendation engine, Amazon's product recommendations.

d. Task automation:

• Agents that automate repetitive tasks, such as data entry, report generation, and email management.
• Examples: UiPath's RPA bots, Microsoft's Power Automate.

Français

LangChain et autres frameworks :

Les frameworks comme LangChain fournissent des outils pour développer et gérer des agents intelligents, permettant l'intégration avec des LLM et des outils externes. Ces agents peuvent effectuer un large éventail de tâches, du support client à l'assistance personnelle et aux flux de travail automatisés.

Exemples d'agents intelligents modernes :

a. Chatbots et assistants virtuels :

• Alimentés par des LLM, ces agents offrent une interaction de type humain, traitent les demandes des clients, planifient et effectuent des tâches personnelles.
• Exemples : ChatGPT d'OpenAI, Google Assistant, Amazon Alexa.

b. Support client automatisé :

• Agents intégrés aux systèmes CRM pour gérer les tickets d'assistance, fournir des informations et résoudre les problèmes.
• Exemples : les robots d'assistance automatisés d'Intercom, Zendesk Answer Bot.

c. Recommandations personnalisées :

• Agents qui analysent les préférences et les comportements des utilisateurs pour fournir des recommandations personnalisées pour les produits, les services ou le contenu.
• Exemples : le moteur de recommandation de Netflix, les recommandations de produits d'Amazon.

d. Automatisation des tâches :

• Agents qui automatisent les tâches répétitives, telles que la saisie de données, la génération de rapports et la gestion des e-mails.
• Exemples : les robots RPA d'UiPath, Power Automate de Microsoft.

English

• Customer Service: Automating responses to customer inquiries, providing 24/7 support.
• Content Creation: Assisting with writing, editing, and generating creative content.
• Education: Personalizing learning experiences, tutoring, and providing educational resources.
• Healthcare: Offering preliminary medical advice, scheduling appointments, and managing patient records.
• Finance: Assisting with financial planning, managing budgets, and providing investment advice.
• Travel and Hospitality: Planning trips, booking accommodations, and providing travel recommendations.

Français

• Service client : automatisation des réponses aux demandes des clients, assistance 24h/24 et 7j/7.
• Création de contenu : assistance à la rédaction, à l'édition et à la génération de contenu créatif.
• Éducation : personnalisation des expériences d'apprentissage, tutorat et fourniture de ressources pédagogiques.
• Soins de santé : offre de conseils médicaux préliminaires, planification de rendez-vous et gestion des dossiers des patients.
• Finances : assistance à la planification financière, gestion des budgets et fourniture de conseils en matière d'investissement.
• Voyages et hôtellerie : planification de voyages, réservation d'hébergements et fourniture de recommandations de voyage.

English

As a capstone project, we will build LLM Agent based Travel Agent App that potentially books airline tickets, reserve accommodation, and provides event recommendations in the destination location.

Français

En tant que projet de fin d'études, nous allons créer une application d'agent de voyages basée sur LLM Agent qui permet potentiellement de réserver des billets d'avion, de réserver un hébergement et de fournir des recommandations d'événements dans le lieu de destination.

English

Definition: One of the commercial frameworks for building LLM-powered applications, focusing on creating chains of operations that process and respond to inputs. Key features of LangChain includes:

• Modular design for flexibility and scalability.
• Integration with various tools and data sources.
• Support for building complex workflows.

LangGraph is an extension of LangChain that uses graph structures to manage and visualize the relationships between different operations and data points. Key features of LangGraph includes:

• Visual representation of LLM workflows.
• Enhanced debugging and optimization through graph analysis.
• Ability to handle complex dependencies and data flows.

Reference the Demo presentation for the following topics:

Français

Définition : L'un des cadres commerciaux pour la création d'applications basées sur LLM, axé sur la création de chaînes d'opérations qui traitent et répondent aux entrées. Les principales caractéristiques de LangChain comprennent :

• Conception modulaire pour la flexibilité et l'évolutivité.
• Intégration avec divers outils et sources de données.
• Prise en charge de la création de flux de travail complexes.

LangGraph est une extension de LangChain qui utilise des structures graphiques pour gérer et visualiser les relations entre différentes opérations et points de données. Les principales caractéristiques de LangGraph comprennent :

• Représentation visuelle des flux de travail LLM.
• Débogage et optimisation améliorés grâce à l'analyse graphique.
• Capacité à gérer des dépendances et des flux de données complexes.

Consultez la présentation de démonstration pour les sujets suivants :

English

• Setting Up Your Development Environment
• Tools and Libraries:
• Python: Ensure Python is installed on your system. Recommended version: 3.8 or higher.
• IDE or Code Editor: Use an Integrated Development Environment (IDE) like PyCharm, VSCode, or Jupyter Notebook for coding.
• LangChain and LangGraph: Install these libraries using pip.
• pip install langchain, langgraph and other libraries
• Create a Virtual Environment:

python -m venv llm_env

• Activate your Python path

source llm_env/bin/activate

On Windows

llm_env\Scripts\activate

• Design flowcharts

Français

• Configuration de votre environnement de développement
• Outils et bibliothèques :
• Python : assurez-vous que Python est installé sur votre système. Version recommandée : 3.8 ou supérieure.
• IDE ou éditeur de code : utilisez un environnement de développement intégré (IDE) comme PyCharm, VSCode ou Jupyter Notebook pour coder.
• LangChain et LangGraph : installez ces bibliothèques à l'aide de pip.
• pip install langchain, langgraph et d'autres bibliothèques
• Créez un environnement virtuel :

python -m venv llm_env

• Activez votre chemin Python

source llm_env/bin/activate

Sous Windows

llm_env\Scripts\activate

• Concevez des organigrammes

English

• Setting Up Your Development Environment
• Build and test the LLM Agent based Travel Agent App

Français

• Configuration de votre environnement de développement
• Créez et testez l'application Travel Agent basée sur LLM Agent