导入
从 RAG 到智能体 RAG
了解静态 RAG 流水线的局限性，以及“代理式”工作流如何为复杂任务创建更动态、更强大的系统。
...
LLMs 的局限性
...
离线索引工作流
...
RAG 工作流：离线索引将数据准备到向量存储中。在线检索使用查询获取相关数据，增强提示，并通过 LLM 生成基于事实的响应。
增强提示结构：检索到的上下文与用户问题结合，指导 LLM 仅基于提供的事实进行回答
1Context: 2- "Policy 4.1a: 新入职员工每年享有 20 天带薪休假（PTO）。这不包括公共假期。" 3- "PTO 按双周累积，且在 90 天试用期结束后方可使用。" 4- "申请休假必须通过员工门户提前至少两周提交..." 5 6根据提供的上下文，请回答以下问题。 7Question: 新员工每年可获得多少天带薪休假？ 8 9Answer:
...
增强提示示例：结合后的上下文和问题引导 LLM 生成基于检索到的政策细节的答案
...
...
核心代理循环：代理使用其 LLM 大脑进行推理（分解问题）、规划（制定行动方案）和执行（使用工具），并根据观察结果迭代优化
...
代理工作流示例：代理根据其推理计划并顺序执行多个 RAG 工具调用（动作 1、动作 2），利用观察结果（C1、C2）合成最终比较（动作 3）
Coming soon to support pageflux-note