Ahorra un 25 % (o incluso más) en tus costes de Kafka | Acepta el reto del ahorro con Kafka de Confluent
La IA generativa ya está aquí, pero ¿hacia dónde va ahora?
La IA generativa está cambiando nuestra forma de trabajar, pero ¿podemos cambiar cómo funciona? Descubre dónde están hoy los grandes modelos de lenguaje (LLM) y la GenAI, y a dónde puede llevarles mañana el acceso a mejores datos.
Las tendencias actuales en inteligencia artificial
How to Build RAG Using Confluent with Flink AI Model Inference and MongoDB
In this GenAI tutorial webinar by Confluent and MongoDB, you’ll learn how to build retrieval-augmented generation (RAG) in 4 key steps: data augmentation, inference, workflows, and post-processing. See a step-by-step walkthrough of vector embedding and get all your questions answered in a live Q&A.
How to Build GenAI apps Faster with Confluent’s Connectors
In this demo webinar, you’ll learn about building a real-time knowledge base for RAG architecture. We’ll show you how to configure a source connector to bring in data from various sources, Flink SQL for vector embedding, and sink connector to send data to vector stores like MongoDB Atlas Vector search.
Empieza a usar los conceptos básicos de los LLM, las bases de datos vectoriales y la IA.
Otros recursos
Guía sobre diseño event-driven para agentes de IA y sistemas multiagente
Las plataformas de streaming de datos transforman a los agentes de IA para que sean dinámicos y puedan procesar eventos en tiempo real y reaccionar al instante. Descubre cómo funciona la anatomía de un agente, cómo crear sistemas tanto de un único agente como multiagente, los patrones para arquitecturas escalables y ejemplos reales de la IA basada en agentes.
Generación aumentada por recuperación (RAG) con streaming de datos: una guía para desarrolladores
Cómo desarrollar y escalar la generación aumentada por recuperación (RAG) para aplicaciones de IA generativa en tiempo real de forma más eficaz utilizando la plataforma de streaming de datos de Confluent. Aprovecha los conectores, Flink y la gobernanza de streams en cuatro pasos: aumento de datos, inferencia, flujos de trabajo y posprocesamiento.