检索增强型生成（RAG）将语言模型与外部知识检索相结合，让模型的回答基于最新的事实，而不仅仅是其训练数据呢。

RAG（高级别）

在 RAG 流程中，用户查询用于搜索知识库（通常通过向量数据库中的嵌入来实现），并将检索到的最相关文档“增强”到模型的提示中，以帮助生成事实性的回答呢。

这减少了幻觉现象，并且允许在回答中使用特定领域的或私有的数据呢。

然而，传统的 RAG 存在局限性呢：它通常只查询单一数据源，并且只进行一次检索，所以如果初始结果不佳或者查询措辞奇怪，答案就会受影响呢。

系统并没有内置的机制来推理如何检索到更好的信息，或者在需要时使用额外的工具呢。

代理型 RAG

代理型 RAG 弥补了这些不足，通过在 RAG 循环中引入一个 AI 代理 呢。在一个代理型 RAG 系统中，检索和生成组件由一个智能代理来协调，这个代理能够规划多步骤查询，使用各种工具，并且根据查询和中间结果调整其策略呢。换句话说，“