智能体增强检索生成(Agentic RAG)

在本单元中,我们将探讨如何利用智能体增强检索生成(Agentic RAG)帮助 Alfred 筹备精彩的晚会。

提示:我们已在先前单元讨论过检索增强生成(RAG)和智能体增强 RAG,如果您已熟悉这些概念可跳过本节。

大语言模型(LLMs)通过海量数据训练获得通用知识。 但其世界知识模型可能包含过时或不相关信息。 RAG 通过从您的数据中检索相关信息并传递给大语言模型,有效解决了这个问题。

RAG 示意图

思考 Alfred 的工作流程:

  1. 我们要求 Alfred 协助策划晚会
  2. Alfred 需要获取最新新闻和天气信息
  3. Alfred 需要整理和检索宾客信息

正如 Alfred 需要搜索家庭信息才能提供有效帮助,任何智能体都需要理解和检索相关数据的能力。 智能体增强 RAG 是帮助智能体解答数据问题的强大工具,我们可以为 Alfred 提供多种工具来辅助问题解答。 与传统文档自动问答不同,Alfred 可以自主决定使用任何工具或流程来回答问题。

智能体增强 RAG 架构

现在让我们开始构建智能体增强 RAG 工作流

首先创建用于检索最新受邀者详情的 RAG 工具,接着开发网络搜索、天气更新和 Hugging Face Hub 模型下载统计等工具,最终整合所有组件实现我们的智能体增强 RAG 智能体!

< > Update on GitHub