AI Agent学习实践笔记（三） -- RAG系统

1. 引言

本篇介绍 检索增强生成（Retrieval-Augmented Generation，RAG）系统。

RAG结合了数据检索和生成模型的能力，以提供上下文感知的响应：

• 1、根据用户查询（利用搜索引擎、LLM）检索到结果
• 2、检索结果和用户查询一起提供给模型
• 3、模型随后根据查询和检索到的信息生成响应

传统的RAG VS 智能体驱动的RAG（Agentic RAG）：

• 智能驱动的RAG（Retrieval-Augmented Generation）通过将自主智能体与动态知识检索相结合，扩展了传统RAG系统
• 传统RAG系统使用 LLM 根据检索数据回答查询，而智能驱动的RAG 实现了对检索和生成流程的智能控制，从而提高了效率和准确性
• 传统RAG系统面临关键限制，例如依赖单次检索步骤、过度关注与用户查询的语义相似性，可能会遗漏相关信息
• 智能驱动的RAG通过允许智能体自主制定搜索查询、评估检索结果并进行多次检索步骤，以生成更定制化和全面的输出

2. 小结

3. 参考

• AI Agents课程 – unit2：检索智能体
• AI Agents课程 – unit3：Agentic RAG用例