一图理解RAG与Agentic RAG的区别

文章预览

RAG 是一种结合了信息检索和生成模型的自然语言处理技术框架，能够提高 AI 系统在回答自然语言问题时准确性和可靠性，但是传统 RAG 还有不少问题，比如： 它检索一次生成一次。如果上下文不足，无法动态搜索更多信息。 它无法对复杂查询进行推理。 系统无法根据具体问题调整策略。 Agentic RAG 主要就是解决这些问题的。下图几张图展示了它与传统 RAG 的区别。核心思想是在 RAG 的每个阶段引入智能体行为。 步骤 1-2）Agent 重写查询（修正拼写错误等）。 步骤 3-8）Agent 判断是否需要更多上下文信息。 如果不需要，重写后的查询直接发送给 LLM。   如果需要，Agent 寻找最佳外部来源获取上下文，并将其传递给 LLM。 步骤 9）系统获取响应。 步骤 10-12）Agent 检查答案是否相关。 如果相关，则返回该响应。   如果不相关，则返回到步骤 1。 该过程会 ………………………………