← 返回标签列表

RAG

2 篇文章

二、Agent

本文介绍了两种AI Agent类型：Workflow Agent和ReAct Agent。Workflow Agent通过人工定义规则和工具赋能，解决LLM的幻觉、无执行能力等缺陷，适用于高准确性场景，采用RAG技术、预设工作流和工具调用实现可控性。ReAct Agent则通过“推理→行动→反馈”循环动态完成任务，适用于非固定步骤的任务，如文件查找和故障排查，核心是思维链技术支撑推理过程。文章还通过案例展示了ReAct Agent如何通过多轮工具调用完成复杂任务，并讨论了相关技术架构和产品。

一、 从提示工程到 RAG

本文介绍了从提示工程到RAG的核心内容。提示工程是应用层核心技术，通过设计Prompt（包括身份设定、背景、参考资料、样例、指令和限制条件）与大语言模型交互，分为Zero-Shot、One-Shot和Few-Shot三种范式。RAG（检索增强生成）通过构建可检索知识库，解决Prompt字数限制和性能下降问题，执行流程包括知识库构建和检索生成。高级技巧强调“双向奔赴”：优化用户Query（如改写上下文依赖、对比型问题）和适配知识库处理（基于场景和技术理解，构建多维度专属知识库），协同提升检索精度和答案质量。