最近这段时间一直在做一个RAG检索增强的系统，但由于前期对需求了解不足，导致目前系统开发遇到一些问题，那就是目前使用纯粹的RAG技术很难解决业务需求问题。

目前的需求是在一个大的业务场景下有三个子场景，但这个三个场景的入口只有一个对话框，因此需要根据用户的意图来进行识别，然后判断属于哪个子场景。

因此，基于这种需求，之前的纯RAG技术就很难满足了；原因就在于传统的RAG技术都是固定流程，没有自主判断的能力。所以，为了解决这个问题，只能换一种方式，那就是智能体。

使用智能体重构RAG系统

我们都知道大模型的应用本质上就是一门关于提示词的技术，任何与大模型的交互都是基于提示词来完成的。

而RAG技术又是什么呢？

可能网上很多文章和教程都在告诉你，RAG叫做Retrieval-Augmented Generation——检索增强生成；其实简单来说RAG就是一种提示词增强的技术；因为大模型本身的限制问题，导致大模型缺少部分资料，因此在咨询大模型具体的问题之前，需要先找到问题相关的文档，然后告诉大模型，大模型才能回答我们的问题；而这个找文档的过程就叫做RAG。

因此，所谓的RAG检索增强生成，主要由两个模块组成；检索和生成，而检索的目的是为了增强生成的质量。

所以，RAG的本质是为了找到与问题相关的文档；但传统的RAG技术是固定化的流程，先对文档进行处理，然后根据用户问题对文档进行相似度或准确查找。

这种方式在某些场景下是没问题的，但在某些场景下就有问题了；因为其固定的流程，就没办法根据不同的需求和场景来进行自主判断；比如作者上面所说的场景。

因此，遇到这种问题应该怎么解决？

所以这时智能体的作用就体现出来了；那么什么是智能体？

智能体是一个能够与外部环境进行交互，并且能够做出自我决策，并且根据决策结果进行行动的独立个体。

所以，智能体的特点就是自主决策，有自我“意识”；因此，它可以自己分析用户的意图，然后决定执行什么样的步骤。

所以，相较于传统的RAG技术，基于智能体的RAG技术有更强的自主性，更强的灵活性，以及更强的扩展性。

当然，并不是说使用智能体做的RAG就一定比传统的RAG技术更好；而是说传统的RAG技术和使用智能体实现的RAG技术，各自有各自的应用场景；两者并不是互相排斥，而是可以进行互补。

比如说本地数据可以使用RAG做检索增强，而第三方数据可以使用智能体做检索增强；原因在于智能体灵活性更强，更适合与第三方交互；而传统RAG技术更简单，成本更低，适合固定流程的业务场景。

AI大模型从0到精通全套学习大礼包

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。

只要你是真心想学AI大模型，我这份资料就可以无偿共享给你学习。大模型行业确实也需要更多的有志之士加入进来，我也真心希望帮助大家学好这门技术，如果日后有什么学习上的问题，欢迎找我交流，有技术上面的问题，我是很愿意去帮助大家的！

如果你也想通过学大模型技术去帮助就业和转行，可以扫描下方链接👇👇
大模型重磅福利：入门进阶全套104G学习资源包免费分享！

01.从入门到精通的全套视频教程

包含提示词工程、RAG、Agent等技术点

​

02.AI大模型学习路线图（还有视频解说）

全过程AI大模型学习路线

​

03.学习电子书籍和技术文档

市面上的大模型书籍确实太多了，这些是我精选出来的

04.大模型面试题目详解

05.这些资料真的有用吗?

这份资料由我和鲁为民博士共同整理，鲁为民博士先后获得了北京清华大学学士和美国加州理工学院博士学位，在包括IEEE Transactions等学术期刊和诸多国际会议上发表了超过50篇学术论文、取得了多项美国和中国发明专利，同时还斩获了吴文俊人工智能科学技术奖。目前我正在和鲁博士共同进行人工智能的研究。

所有的视频由智泊AI老师录制，且资料与智泊AI共享，相互补充。这份学习大礼包应该算是现在最全面的大模型学习资料了。

资料内容涵盖了从入门到进阶的各类视频教程和实战项目，无论你是小白还是有些技术基础的，这份资料都绝对能帮助你提升薪资待遇，转行大模型岗位。

智泊AI始终秉持着“让每个人平等享受到优质教育资源”的育人理念‌，通过动态追踪大模型开发、数据标注伦理等前沿技术趋势‌，构建起"前沿课程+智能实训+精准就业"的高效培养体系。

课堂上不光教理论，还带着学员做了十多个真实项目。学员要亲自上手搞数据清洗、模型调优这些硬核操作，把课本知识变成真本事‌！

如果说你是以下人群中的其中一类，都可以来智泊AI学习人工智能，找到高薪工作，一次小小的“投资”换来的是终身受益！

应届毕业生‌：无工作经验但想要系统学习AI大模型技术，期待通过实战项目掌握核心技术。

零基础转型‌：非技术背景但关注AI应用场景，计划通过低代码工具实现“AI+行业”跨界‌。

业务赋能 ‌突破瓶颈：传统开发者（Java/前端等）学习Transformer架构与LangChain框架，向AI全栈工程师转型‌。

👉获取方式：
😝有需要的小伙伴，可以保存图片到wx扫描二v码免费领取【保证100%免费】🆓