基于RAG的to B智能体（Agent）应用实践

文章预览

本文3095字，预计7分钟读完。 一、前言 上篇文章 《一文读懂RAG（检索增强生成）》 中，笔者分享了有关RAG技术的看法。 RAG在to B领域一般应用在 知识库问答，智能客服 等场景，大概流程是：把知识内容进行分块，建立索引后存储于向量数据库中，通过相似度检索的方式，召回与提问匹配度较高的知识片段后输入给大模型，再让大模型基于提问进行针对性的回答。 RAG+大模型构建的机器人相比于传统机器人，有更强的语义理解能力与生成组织能力，在“解决问题”层面上整体表现更加“拟人化”。 除了以上两个场景外，RAG在to B软件领域中仍存在很多值得探索的应用场景。 本篇文章，计划通过笔者在产品工作中落地的一个项目跟大家分享如何 基于RAG构建一款to B智能体（Agent）应用 。 二、背景 在CRM系统中，“ 筛选 ”是一个极其高频的操作，拿“ ………………………………