“ 传统RAG和多模态RAG以及Agent是不同维度上的东西，并不能混为一谈。”

自大模型开始大规模应用以来，RAG技术就是其中一个重点应用方向，虽然一直有人说RAG只是一种过渡手段，但不管怎么说RAG是目前很重要的一个应用技术，而且适用于多种领域，如客服，咨询，检索等。

但是，随着技术的发展RAG技术也经过了几轮迭代，包括RAG，Graph RAG和Agentic RAG等；而随着多模态技术的发展，多模态RAG也随之而来。

那么传统RAG和多模态RAG对比各有哪些优劣势呢？以及智能体技术怎么应用于这两种RAG中？

两种RAG的对比

现在的RAG已经不是以前的RAG了，传统RAG经过几轮迭代，分别经历了Naive RAG，Advanced RAG，Modular RAG，Graph RAG以及Agentic RAG等。

而现在随着多模态技术的发展，多模态RAG也随之而来，那么这两种RAG之间的区别是什么？

其实如果说传统RAG的迭代是对RAG的优化，那么多模态RAG才是真正的技术升级；原因在于传统RAG和多模态RAG完全是两个维度的东西。

在传统RAG中，技术的迭代目标是数据的处理，存储和检索方式；而多模态RAG扩展了RAG检索数据的范围，从只支持单模态数据到支持多模态数据，这不仅仅只是1+1等于2的问题。

在当今社会中，信息的表现形式多种多样，单纯的文字或图片以及视频都很难真正表示出作者的想法；因此，多种模态数据的混合才是当今信息展示的主流。

比如说，图文混合，图表混合，视频解说等等；其都比单一模态的信息表现形式要好的多。

但传统的RAG是怎么做的？

传统的RAG仅仅只是把其它模态的数据转换成文本形式，然后进行增强检索；但高纬度信息形式的压缩，必定导致信息的丢失；因此传统RAG很难做到让人满意；虽然技术一直在迭代升级，但只是升级了其处理，检索和存储的方式，使得检索更快，更高效，更准确；但其表现形式并没有改变。

而有了多模态之后，就可以采用图文混合，图表混合，甚至视频和文字混合的形式来表示数据；这样，由于提供的信息更多样，更具体，那么不论是从展现形式上，还是用户体验上都要比传统RAG好得多。

当然，这里并不是否认传统RAG不行，而是说多模态RAG更符合现今的社会需求；其应用价值自然就更大。

当然，虽然说多模态RAG相对于传统RAG是维度的升级，但并不代表着传统RAG的技术就没用了；还是那句话，多模态RAG和传统RAG是两个维度的东西，传统RAG的技术依然可以应用于多模态RAG，只是多模态RAG更复杂，但也更友好，更符合当今普通人的生活习惯。

OK，那么Agent智能体在其中又扮演什么角色呢？

Agent智能体和RAG是两个维度的技术，如果说多模态RAG是对传统RAG的增强；那么Agent就是一种能够应用于RAG增强的一种手段；原因在于不论是传统RAG还是多模态RAG，其技术的处理过程都是固定的，无法根据不同的场景进行自主判断。

而有了Agent之后，智能体就可以自主决策，根据不同的业务场景选择合适的检索或处理方式；也就是说RAG是死的技术，而Agent可以让这门技术活起来。

场景选择合适的检索或处理方式；也就是说RAG是死的技术，而Agent可以让这门技术活起来。

RAG和Agent是两种不同的技术手段，两者之间并没有什么交集；其区别主要是技术上的区别。而传统RAG和多模态RAG在技术上有一定的区别，但又有很大的交集，其更大的区别是形式上的区别，多模态RAG表现更丰富，传统RAG表现更单一。

如何学习大模型 AI ？

我国在AI大模型领域面临人才短缺，数量与质量均落后于发达国家。2023年，人才缺口已超百万，凸显培养不足。随着Al技术飞速发展，预计到2025年，这一缺口将急剧扩大至400万，严重制约我国Al产业的创新步伐。加强人才培养，优化教育体系，国际合作并进，是破解困局、推动AI发展的关键。

但是具体到个人，只能说是：

“最先掌握AI的人，将会比较晚掌握AI的人有竞争优势”。

这句话，放在计算机、互联网、移动互联网的开局时期，都是一样的道理。

我在一线互联网企业工作十余年里，指导过不少同行后辈。帮助很多人得到了学习和成长。

我意识到有很多经验和知识值得分享给大家，也可以通过我们的能力和经验解答大家在人工智能学习中的很多困惑，所以在工作繁忙的情况下还是坚持各种整理和分享。但苦于知识传播途径有限，很多互联网行业朋友无法获得正确的资料得到学习提升，故此将重要的AI大模型资料包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。

2025最新大模型学习路线

明确的学习路线至关重要。它能指引新人起点、规划学习顺序、明确核心知识点。大模型领域涉及的知识点非常广泛，没有明确的学习路线可能会导致新人感到迷茫，不知道应该专注于哪些内容。

对于从来没有接触过AI大模型的同学，我帮大家准备了从零基础到精通学习成长路线图以及学习规划。可以说是最科学最系统的学习路线。

针对以上大模型的学习路线我们也整理了对应的学习视频教程，和配套的学习资料。

大模型经典PDF书籍

新手必备的大模型学习PDF书单来了！全是硬核知识，帮你少走弯路！

配套大模型项目实战

所有视频教程所涉及的实战项目和项目源码等

博主介绍＋AI项目案例集锦

MoPaaS专注于Al技术能力建设与应用场景开发，与智学优课联合孵化，培养适合未来发展需求的技术性人才和应用型领袖。

这份完整版的大模型 AI 学习资料已经上传CSDN，朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】

为什么要学习大模型？

2025人工智能大模型的技术岗位与能力培养随着人工智能技术的迅速发展和应用 ， 大模型作为其中的重要组成部分 ， 正逐渐成为推动人工智能发展的重要引擎 。大模型以其强大的数据处理和模式识别能力， 广泛应用于自然语言处理 、计算机视觉 、 智能推荐等领域 ，为各行各业带来了革命性的改变和机遇 。

适合人群

• 在校学生：包括专科、本科、硕士和博士研究生。学生应具备扎实的编程基础和一定的数学基础，有志于深入AGI大模型行业，希望开展相关的研究和开发工作。
• IT行业从业人员：包括在职或失业者，涵盖开发、测试、运维、产品经理等职务。拥有一定的IT从业经验，至少1年以上的编程工作经验，对大模型技术感兴趣或有业务需求，希望通过课程提升自身在IT领域的竞争力。
• IT管理及技术研究领域人员：包括技术经理、技术负责人、CTO、架构师、研究员等角色。这些人员需要跟随技术发展趋势，主导技术创新，推动大模型技术在企业业务中的应用与改造。
• 传统AI从业人员：包括算法工程师、机器视觉工程师、深度学习工程师等。这些AI技术人才原先从事机器视觉、自然语言处理、推荐系统等领域工作，现需要快速补充大模型技术能力，获得大模型训练微调的实操技能，以适应新的技术发展趋势。
  

课程精彩瞬间

大模型核心原理与Prompt：掌握大语言模型的核心知识，了解行业应用与趋势；熟练Python编程，提升提示工程技能，为Al应用开发打下坚实基础。

RAG应用开发工程：掌握RAG应用开发全流程，理解前沿技术，提升商业化分析与优化能力，通过实战项目加深理解与应用。

Agent应用架构进阶实践：掌握大模型Agent技术的核心原理与实践应用，能够独立完成Agent系统的设计与开发，提升多智能体协同与复杂任务处理的能力，为AI产品的创新与优化提供有力支持。

模型微调与私有化大模型：掌握大模型微调与私有化部署技能，提升模型优化与部署能力，为大模型项目落地打下坚实基础。

顶尖师资，深耕AI大模型前沿技术

实战专家亲授，让你少走弯路

一对一学习规划，职业生涯指导

• 真实商业项目实训
• 大厂绿色直通车

人才库优秀学员参与真实商业项目实训

以商业交付标准作为学习标准，具备真实大模型项目实践操作经验可写入简历，支持项目背调

大厂绿色直通车，冲击行业高薪岗位

文中涉及到的完整版的大模型 AI 学习资料已经上传CSDN，朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】