LangChain - Agent: 当你「调戏」一个 RAG 系统时，一个正经的 RAG 会怎么想

文章预览

图一：一个「经典」的 RAG 系统数据流转 我们看这张图里面，一个「经典」（这里值得时距离当前三周以前的时间...）的 RAG 系统会假设你是一个正经的用户，会按照套路正经的使用系统 1、2、3、4、5、6 步走下来。 但大家都清楚，一旦你的代码放到生产环境中，啥用户都能碰到，就是碰不到几个「正经」用户，你无法让用户按照你设定的套路问问题，比如在一个讨论毕加索同志作品、生平、创作风格的上下文里面，很多用户上来问的问题却是，“你好，今年你几岁？“... “今年你几岁？” 这种问题当然适合直接扔给神奇的 ChatGPT 直接回答，但正如上图，一个「传统」的 RAG 其实要先把用户的输入通过 2、3 两步，放到自有的向量数据库里面走一遍，然后把拼接出来的结果通过 4 再扔给 GPT 们来寻求比较流畅的答案的。那么有没有办法可以 ………………………………