RAG đại lý
Agentic RAG nâng cấp thế hệ tăng cường truy xuất thông thường bằng cách cho phép một tác nhân quyết định thời điểm, cái gì và số lần tìm kiếm trước khi trả lời.
Tổng quan
Thay vì một lần tra cứu cố định, nó sẽ suy luận, truy xuất và tinh chỉnh trong một vòng lặp.
Lặn sâu
Thế hệ tăng cường truy xuất (RAG) cổ điển thực hiện một việc: nhận câu hỏi của người dùng, tìm nạp một số tài liệu có liên quan từ kho lưu trữ vectơ và đưa chúng vào dấu nhắc. Agentic RAG làm cho việc thu hồi trở thành một quyết định chủ động. Đầu tiên, tác nhân sẽ đưa ra lý do về việc liệu nó có cần tìm kiếm hay không, sử dụng truy vấn nào và truy vấn nguồn nào. Nó có thể chia một câu hỏi khó thành các câu hỏi phụ, truy xuất từng câu hỏi, đánh giá xem kết quả có đủ hay không và tìm kiếm lại bằng một truy vấn được tinh chỉnh nếu không. Nó có thể định tuyến giữa nhiều cơ sở kiến thức, gọi tìm kiếm trên web hoặc sử dụng cơ sở dữ liệu SQL tùy theo câu hỏi. Hành vi lặp đi lặp lại, chọn công cụ này xử lý các câu hỏi nhiều bước ('Khách hàng nào của chúng tôi ở Texas đã đăng ký sau khi thay đổi chính sách?') mà RAG một lần trả lời kém, phải trả giá bằng nhiều lệnh gọi mô hình và độ trễ hơn.
Hiểu biết kỹ thuật
Đặc vụ coi chó tha mồi như công cụ. Ở mỗi lượt, nó có thể chọn một hành động truy xuất, kiểm tra các khối được trả về, đánh giá mức độ liên quan của chúng và quyết định trả lời hoặc truy vấn lại bằng một yêu cầu được định dạng lại. Vòng lặp có điều kiện dừng (đủ bằng chứng hoặc giới hạn bước) sẽ kiểm soát các bước lặp. Một số thiết kế thêm bước phân loại để lọc ra các phần được truy xuất không liên quan trước khi tạo, giảm khả năng mô hình bị nhầm lẫn do bối cảnh lạc đề.
Tác động chiến lược
Xây dựng lựa chọn
Thiết kế cấp ứng dụng xác định liệu AI có cải thiện kết quả thực tế hay không.
Nhóm và quy trình làm việc
Tích hợp quy trình làm việc tốt sẽ giúp tăng năng suất mà người dùng có thể tin tưởng.
Rủi ro và an toàn
Các trường hợp sử dụng có phạm vi phù hợp giúp giảm bớt sự mệt mỏi khi thay đổi và rủi ro triển khai.
Tương lai của chất độc RAG
Agentic RAG đang hội tụ với các khung tác nhân rộng hơn: việc truy xuất trở thành một trong nhiều công cụ, cùng với máy tính, thực thi mã và API. Mong đợi việc lập kế hoạch truy vấn thông minh hơn, tự phân loại bằng chứng được truy xuất và lưu vào bộ nhớ đệm các lần truy xuất trước đây để cắt giảm chi phí. Định tuyến nguồn tốt hơn sẽ cho phép một tác nhân lấy từ tài liệu nội bộ, web và cơ sở dữ liệu có cấu trúc trong một câu trả lời duy nhất. Sự căng thẳng chính, độ chính xác so với độ trễ và chi phí, sẽ thúc đẩy các hệ thống thích ứng chỉ sử dụng khả năng truy xuất nhiều bước nặng nề khi một câu hỏi thực sự cần thiết.
Triển khai trong thế giới thực
Trợ lý doanh nghiệp quyết định truy vấn sổ tay nhân sự, wiki codebase hay cơ sở dữ liệu bán hàng SQL dựa trên câu hỏi.
Một người trợ giúp nghiên cứu chia 'so sánh tác dụng phụ của thuốc A và thuốc B' thành hai tìm kiếm, truy xuất từng tìm kiếm, sau đó tổng hợp.
Bot hỗ trợ truy xuất tài liệu, đánh giá tài liệu chưa đầy đủ, điều chỉnh lại truy vấn và tìm kiếm lại trước khi trả lời.
Một công cụ pháp lý thực hiện truy xuất nhiều bước, tìm một mệnh đề, sau đó tìm kiếm quy định mà nó tham chiếu.
Rủi ro & lan can
Tự động hóa một quy trình bị hỏng có thể khuếch đại các vấn đề hiện có.
Các nhóm có thể tự động hóa quá mức và loại bỏ sự phán xét cần thiết của con người.
Chất lượng có thể thay đổi nếu kết quả đầu ra không được đánh giá liên tục.
Lộ trình thực hiện
Lập sơ đồ quy trình làm việc hiện tại và xác định bước có mức độ ma sát cao nhất.
Xác định các điểm kiểm tra của con người trước khi tự động hóa hoàn toàn.
Đào tạo người dùng về lời nhắc, đường dẫn leo thang và tiêu chuẩn chất lượng.
Theo dõi kết quả ở cấp độ nhiệm vụ để xác nhận giá trị bền vững.
Tiếp tục khám phá
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
Hướng dẫn tiếp theo
RAG
Câu hỏi thường gặp
Agentic RAG là gì?
Agentic RAG nâng cấp thế hệ tăng cường truy xuất thông thường bằng cách cho phép một tác nhân quyết định thời điểm, cái gì và số lần tìm kiếm trước khi trả lời. Thay vì một lần tra cứu cố định, nó sẽ suy luận, truy xuất và tinh chỉnh theo một vòng lặp.
Sự khác biệt chính giữa RAG đại lý và RAG cổ điển là gì?
RAG cổ điển thực hiện một lần tra cứu cố định; RAG tác nhân làm cho việc truy xuất trở thành một quyết định chủ động, lặp đi lặp lại do tác nhân kiểm soát.
RAG tác nhân xử lý câu hỏi khó có nhiều bước nhảy như thế nào?
Phân tách thành các câu hỏi phụ và lấy bằng chứng cho từng câu hỏi là điểm mạnh cốt lõi của RAG đặc vụ.
Trong RAG tác nhân, chó tha mồi được mô tả tốt nhất như thế nào đối với tác nhân?
Người đại diện coi mỗi chú chó săn như một công cụ và quyết định xem có sử dụng nó hay không và sử dụng nó như thế nào trong mỗi lượt.
Bước 'chấm điểm' tùy chọn có tác dụng gì trong RAG đại lý?
Việc phân loại mức độ liên quan của các đoạn được truy xuất giúp giảm nguy cơ bối cảnh lạc đề làm sai lệch mô hình.
Chi phí chính của RAG tác nhân so với RAG dùng một lần là bao nhiêu?
Lý luận lặp đi lặp lại và truy xuất lặp đi lặp lại cải thiện câu trả lời nhưng tăng thêm độ trễ và chi phí.