- Agent :
- 概念:在人工智能中,Agent 通常指的是能够执行任务或做出决策的实体,可以是简单的程序,也可以是复杂的系统,如自动化客服助手、推荐系统等,甚至可以是软件代理、机器人或虚拟助手等各种形式。
- 作用:它能利用内置的大语言模型来做出规划,决定执行哪些步骤,以及每个步骤需要调用哪些工具(如 RAG),之后调用相应的工具,最终完成任务。例如,在客服问答场景中,Agent 可以根据用户的问题,规划出需要查询商品价格、进行计算等步骤,并调用相应的工具(如 RAG 工具去检索商品价格信息,调用计算器进行计算),最后基于结果生成客服文案来回答用户。
- RAG(Retrieval-Augmented Generation) :
- 概念:是一种结合了检索和生成的自然语言处理技术。它先从大型文档集合中检索相关信息,然后将这些信息整合到生成的文本中。RAG 模型通常包含检索器(用于从文档库中检索相关信息)和生成器(用于生成最终的文本输出)两个主要部分。
- 作用:主要用于提升大模型回答问题的准确性。传统大模型可能会凭空 "编造" 答案,而 RAG 技术通过检索相关文档或数据源(如数据库或网络资源),找到最相关的片段作为证据,再利用这些证据辅助大模型生成精确的答案,能有效改善 "幻觉" 问题,在问答、摘要生成、内容创作等任务中表现出色。
- LangChain :
- 概念:是一个开源的自然语言处理框架,旨在通过模块化的方式构建复杂的语言处理应用。它提供了一套工具和接口,让开发者能轻松地集成和扩展不同的语言处理功能。
- 作用:允许开发者构建端到端的自然语言处理流程,包括数据预处理、模型训练、推理和后处理等。在涉及 RAG 技术应用时,LangChain 可以帮助开发者高效地组织、检索和对接多种数据源,比如将文本数据进行向量化存储,并与大模型进行无缝交互。例如,在构建客服问答产品时,LangChain 可作为基础设施平台,提供构建此类系统的工具和服务,开发者能使用它来对接检索服务、商品价格知识库、售后服务 API 接口以及大语言模型等。
Agent、RAG、LangChain的概念及作用
北极冰雨2024-09-13 10:11
相关推荐
www_pp_6 分钟前
图像处理中的高斯金字塔与直方图分析sauTCc27 分钟前
N元语言模型的时间和空间复杂度计算fantasy_arch35 分钟前
深度学习--softmax回归eqwaak041 分钟前
量子计算与AI音乐——解锁无限可能的音色宇宙Blossom.1181 小时前
量子计算与经典计算的融合与未来跳跳糖炒酸奶1 小时前
第四章、Isaacsim在GUI中构建机器人(1): 添加简单对象猿饵块1 小时前
机器人--ros2--IMU硅谷秋水1 小时前
MoLe-VLA:通过混合层实现的动态跳层视觉-语言-动作模型实现高效机器人操作LS_learner1 小时前
小智机器人关键函数解析,Application::OutputAudio()处理音频数据的输出的函数2301_764441332 小时前
基于神经网络的肾脏疾病预测模型