DeepSeek R1与Qwen大模型，构建Agentic RAG全攻略

文章预览

火出圈的DeepSeek-R1新玩法：构建RAG系统，解锁AI协作！ 长按关注《AI科技论谈》 最近，AI社区被 DeepSeek-R1 “刷屏” 了!作为一款极具变革意义的开源推理大语言模型（LLM），大家讨论最多的是它的基础能力，却鲜有人关注其在智能体工作流程中的巨大潜力，也就是多个模型动态协作的应用场景。 今天，就带大家实操搭建一个智能体检索增强生成（RAG，Retrieval-Augmented Generation）系统。这个系统整合了： DeepSeek-R1（70亿参数蒸馏版）：用于复杂推理,系统的 “智慧大脑”。。 阿里云Qwen2.5（70亿参数）：主打快速对话交互，让用户交流体验更流畅。 轻量级智能体框架：协调前两者，保障系统高效运转。 完成搭建后，Qwen 会处理常规交互，复杂查询则交给R1。接下来动手试试！ 1 设置环境 1.1 设置虚拟环境并安装依赖项 python3 -m venv .envs/agentic-ai source  .envs/age ………………………………