Qwen-Agent：RAG的终极之路还是Agent！

文章预览

Qwen2终于来了，阿里在发布Qwen2之余，还发了一篇名为：“使用Qwen-Agent将上下文记忆扩展到百万量级”的博客，本意是用Qwen-Agent扩大大模型上下文窗口来处理超长文本输入，但是文中介绍了 三种大模型智能问答智能体（Agent）的构建方式 ： Level-1 Agent（ RAG ） Level-2 Agent（Read All Chunks Parallelly） Level-3 Agent（Multi-Hop Reasoning）利用 Function Calling 最终，大模型RAG问答终极之路还是Agent！ 级别一：检索， Level-1 Agent（RAG） 问题描述 ： RAG问答中如何精准定位最相关的块（chunk） ？ 解决方案 ： 大模型Query拆解： 指令信息与非指令信息分开 输入： "回答时请用2000字详尽阐述，我的问题是，自行车是什么时候发明的？请用英文回复。" 拆解： {"信息": ["自行车是什么时候发明的"], "指令": ["回答时用2000字", "尽量详尽", "用英文回复"]} 大模型Query信息抽取： 多语 ………………………………