RAG agéntico con tool use sobre datos de un laboratorio foundation
Visión general
De qué trata este proyecto.
En equipo de 2, recibes un corpus de 5.000 documentos enterprise simulados (PDF + tablas), 100 preguntas mixtas (40 retrieval puro, 30 cálculo puro, 30 mixtas) con respuesta-oro y un wrapper a la API del laboratorio. Diseña un agente con tres tools: (1) search_documents, (2) python_calculator, (3) sql_query. Implementa decision loop con verificación de respuesta. Compara contra un RAG plano sin tools. Éxito = accuracy >= 0,75 global con ventaja >= 15 puntos en preguntas mixtas, análisis de coste por consulta y memo de recomendación.
El Briefing
Lo que harás y lo que demostrarás.
Construir un RAG agéntico con tool use que supere a RAG plano en preguntas mixtas (retrieval + cálculo) por >=15 puntos.
Earning criteria — what you'll demonstrate
- Diseñar agentes RAG con selección dinámica de herramientas
- Evaluar agentes con métricas estratificadas por tipo de pregunta
- Cuantificar coste por consulta de un agente vs. un RAG plano
- Diagnosticar patrones de fallo específicos de agentes (loops, tools mal elegidos)
Encaje académico
Dónde encaja esto en tus estudios.
Afina las mismas habilidades que tu titulación espera de ti.
Habilidades
Habilidades que demostrarás.
Cada una aparece en tu credencial verificada.
Carreras
Roles para los que esto te prepara.
Títulos reales. Puentes de habilidades reales. Elige el que más se acerque a tu trayectoria.
Trayectorias profesionales que esto construye
Roles canónicosIngeniero/a de IA
Construir RAG agéntico con tools y benchmark riguroso es exactamente el trabajo del AI engineer en laboratorios y consultorías AI senior.
Este proyecto afina
- retrieval-augmented-generation
- agent-design
- tool-use
Investigador/a de Machine Learning
Diseñar el experimento, estratificar por tipo de pregunta y analizar fallos sistemáticamente es la franja research del trabajo de ML researcher en producto LLM.
Este proyecto afina
- evaluation
- experiment-design
- agent-design
Arquitecto/a de Soluciones de IA
Producir recomendación de adopción con análisis costo-beneficio es la franja senior del AI solutions architect.
Este proyecto afina
- retrieval-augmented-generation
- agent-design
- evaluation