एजेंट आरएजी
एजेंट आरएजी उत्तर देने से पहले एक एजेंट को यह तय करने की अनुमति देकर सामान्य पुनर्प्राप्ति-संवर्धित पीढ़ी को अपग्रेड करता है कि कब, क्या और कितनी बार खोजना है।
सिंहावलोकन
एक निश्चित लुकअप के बजाय, यह एक लूप में कारण बनता है, पुनः प्राप्त करता है और परिष्कृत करता है।
गहरा गोता
क्लासिक पुनर्प्राप्ति-संवर्धित पीढ़ी (आरएजी) एक काम करती है: उपयोगकर्ता का प्रश्न लें, वेक्टर स्टोर से कुछ प्रासंगिक दस्तावेज़ लाएँ, और उन्हें प्रॉम्प्ट में भरें। एजेंट आरएजी पुनर्प्राप्ति को एक सक्रिय निर्णय बनाता है। एक एजेंट पहले इस बारे में विचार करता है कि क्या उसे खोज करने की आवश्यकता है, किस क्वेरी का उपयोग करना है और किस स्रोत से क्वेरी करनी है। यह एक कठिन प्रश्न को उप-प्रश्नों में तोड़ सकता है, प्रत्येक के लिए पुनः प्राप्त कर सकता है, मूल्यांकन कर सकता है कि क्या परिणाम पर्याप्त हैं, और यदि नहीं तो एक परिष्कृत क्वेरी के साथ फिर से खोज कर सकता है। यह कई ज्ञान आधारों के बीच रूट कर सकता है, वेब खोज को कॉल कर सकता है, या प्रश्न के आधार पर SQL डेटाबेस का उपयोग कर सकता है। यह पुनरावृत्तीय, टूल-चयन व्यवहार मल्टी-हॉप प्रश्नों को संभालता है ('टेक्सास में हमारे ग्राहकों में से किसने नीति परिवर्तन के बाद साइन अप किया?') जिनका एकल-शॉट आरएजी अधिक मॉडल कॉल और विलंबता की कीमत पर खराब उत्तर देता है।
तकनीकी अंतर्दृष्टि
एजेंट पुनर्प्राप्तिकर्ताओं को उपकरण के रूप में मानता है। प्रत्येक मोड़ पर यह एक पुनर्प्राप्ति कार्रवाई चुन सकता है, लौटाए गए हिस्सों का निरीक्षण कर सकता है, उनकी प्रासंगिकता का न्याय कर सकता है, और एक सुधारित अनुरोध के साथ उत्तर देने या फिर से पूछताछ करने का निर्णय ले सकता है। रुकने की स्थिति वाला एक लूप (पर्याप्त साक्ष्य, या एक चरण सीमा) पुनरावृत्तियों को नियंत्रित करता है। कुछ डिज़ाइन एक ग्रेडिंग चरण जोड़ते हैं जो पीढ़ी से पहले अप्रासंगिक पुनर्प्राप्त खंडों को फ़िल्टर करता है, जिससे मॉडल को ऑफ-टॉपिक संदर्भ द्वारा गुमराह किए जाने की संभावना कम हो जाती है।
सामरिक प्रभाव
विकल्प बनाएं
एप्लिकेशन-स्तरीय डिज़ाइन यह निर्धारित करता है कि AI वास्तविक परिणामों में सुधार करता है या नहीं।
टीम और वर्कफ़्लो
अच्छा वर्कफ़्लो एकीकरण उत्पादकता लाभ पैदा करता है जिस पर उपयोगकर्ता भरोसा कर सकते हैं।
जोखिम और सुरक्षा
अच्छी तरह से उपयोग के मामले परिवर्तन की थकान और कार्यान्वयन जोखिम को कम करते हैं।
एजेंटिक आरएजी का भविष्य
एजेंट आरएजी व्यापक एजेंट ढांचे के साथ जुड़ रहा है: कैलकुलेटर, कोड निष्पादन और एपीआई के साथ-साथ पुनर्प्राप्ति कई उपकरणों में से एक बन जाती है। लागत में कटौती के लिए बेहतर क्वेरी योजना, पुनर्प्राप्त साक्ष्य की स्व-ग्रेडिंग और पिछली पुनर्प्राप्ति को कैशिंग करने की अपेक्षा करें। बेहतर स्रोत रूटिंग एक एजेंट को एक ही उत्तर में आंतरिक दस्तावेज़, वेब और संरचित डेटाबेस से खींचने देगी। मुख्य तनाव, सटीकता बनाम विलंबता और व्यय, अनुकूली प्रणालियों को चलाएंगे जो भारी बहु-चरण पुनर्प्राप्ति का उपयोग केवल तभी करते हैं जब कोई प्रश्न वास्तव में इसकी गारंटी देता है।
वास्तविक विश्व कार्यान्वयन
एक एंटरप्राइज़ सहायक जो निर्णय लेता है कि प्रश्न के आधार पर एचआर हैंडबुक, कोडबेस विकी, या एसक्यूएल बिक्री डेटाबेस से पूछताछ की जाए या नहीं।
एक शोध सहायक जो 'दवा ए और दवा बी के दुष्प्रभावों की तुलना करें' को दो खोजों में विभाजित करता है, प्रत्येक के लिए पुनर्प्राप्त करता है, फिर संश्लेषण करता है।
एक समर्थन बॉट जो दस्तावेज़ों को पुनः प्राप्त करता है, निर्णय लेता है कि वे अपर्याप्त हैं, क्वेरी को सुधारता है, और उत्तर देने से पहले फिर से खोज करता है।
एक कानूनी उपकरण जो मल्टी-हॉप पुनर्प्राप्ति करता है, एक खंड ढूंढता है, फिर उसके द्वारा संदर्भित विनियमन की खोज करता है।
जोखिम और रेलिंग
किसी टूटी हुई प्रक्रिया को स्वचालित करने से मौजूदा समस्याएँ बढ़ सकती हैं।
टीमें अति-स्वचालित हो सकती हैं और आवश्यक मानवीय निर्णय को हटा सकती हैं।
यदि आउटपुट का लगातार मूल्यांकन नहीं किया गया तो गुणवत्ता में गिरावट आ सकती है।
कार्यान्वयन रोडमैप
वर्तमान वर्कफ़्लो को मैप करें और उच्चतम-घर्षण चरण की पहचान करें।
पूर्ण स्वचालन से पहले मानव चौकियों को परिभाषित करें।
उपयोगकर्ताओं को संकेतों, वृद्धि पथों और गुणवत्ता मानकों पर प्रशिक्षित करें।
निरंतर मूल्य की पुष्टि के लिए कार्य-स्तर के परिणामों को ट्रैक करें।
अन्वेषण करते रहें
Free newsletter
Get the daily AI briefing
Three verified AI stories every weekday morning, written in plain English. Free forever, no ads.
One email each weekday. Unsubscribe in one click. We never sell or share your address.
Test yourself
Take the Agentic RAG quiz
Instant feedback on every answer, and a shareable certificate with a verifiable ID once you pass a course.
Support free AI education. AI Understanding is a 501(c)(3) nonprofit — no ads, no paywall, ever. Make a donation
अगली गाइड
खपरैल
अक्सर पूछे जाने वाले प्रश्नों
एजेंटिक आरएजी क्या है?
एजेंट आरएजी उत्तर देने से पहले एक एजेंट को यह तय करने की अनुमति देकर सामान्य पुनर्प्राप्ति-संवर्धित पीढ़ी को अपग्रेड करता है कि कब, क्या और कितनी बार खोजना है। एक निश्चित लुकअप के बजाय, यह एक लूप में तर्क, पुनर्प्राप्ति और परिष्कृत करता है।
एजेंटिक आरएजी और क्लासिक आरएजी के बीच मुख्य अंतर क्या है?
क्लासिक RAG एक निश्चित लुकअप करता है; एजेंटिक आरएजी पुनर्प्राप्ति को एजेंट द्वारा नियंत्रित एक सक्रिय, पुनरावृत्तीय निर्णय बनाता है।
एजेंटिक आरएजी एक कठिन मल्टी-हॉप प्रश्न को कैसे संभालता है?
उप-प्रश्नों को विघटित करना और प्रत्येक के लिए साक्ष्य पुनर्प्राप्त करना एजेंटिक आरएजी की मुख्य ताकत है।
एजेंटिक आरएजी में, पुनर्प्राप्तिकर्ताओं को सर्वोत्तम रूप से वर्णित किया जाता है कि एजेंट को क्या करना है?
एजेंट प्रत्येक रिट्रीवर को एक उपकरण के रूप में मानता है और यह निर्णय लेता है कि प्रत्येक मोड़ पर इसका उपयोग कैसे और कैसे किया जाए।
एजेंटिक आरएजी में वैकल्पिक 'ग्रेडिंग' कदम क्या करता है?
पुनर्प्राप्त खंडों की ग्रेडिंग प्रासंगिकता इस जोखिम को कम करती है कि विषय से परे संदर्भ मॉडल को गुमराह करता है।
सिंगल-शॉट आरएजी की तुलना में एजेंटिक आरएजी की मुख्य लागत क्या है?
पुनरावृत्तीय तर्क और बार-बार पुनर्प्राप्ति से उत्तर में सुधार होता है लेकिन विलंबता और व्यय बढ़ जाता है।