03｜探索智能体世界：LangChain与RAG检索增强生成
独行
你好，我是独行。
上节课我们学习了如何构造提示，让 AI 大模型高效输出我们需要的内容，相信你已经迫不及待地体验过了，但是你有没有发现 AI 大模型在使用的过程中是有一些局限的，比如：
数据的及时性：大部分 AI 大模型都是预训练的，拿 ChatGPT 举例，3.5 引擎数据更新时间截止到 2022 年 1 月份，4.0 引擎数据更新时间截止到 2023 年 12 月份，也就是说如果我们问一些最新的信息，大模型是不知道的。
复杂任务处理：虽然 AI 大模型在问答方面表现出色，但它们并不总是能够处理复杂的任务，比如直接编辑或优化 Word 文档或 PDF 文件。这些任务通常需要特定的软件工具和用户界面，而大模型主要是基于文本的交互（多模态除外）。
代码生成与下载：我们希望大模型根据需求描述生成对应的代码，并提供下载链接，大模型也是不支持的。
与企业应用场景的集成：在和企业应用场景打通的时候，我们希望大模型读取关系型数据库里的数据，并根据提示进行任务处理，同样大模型也是不支持的。
这样的场景非常多，因为大模型的核心能力是意图理解与文本生成，而在我们实际应用过程中，输入数据和输出数据不仅仅是纯文本。很多时候我们需要解析用户的输入，比如把 Word 或 PDF 文件转化为纯文本，从一个关系型数据库读取数据转化为大模型的输入数据，将大模型的输出内容进行压缩打包并上传至网站供用户下载等等。那这一类任务由谁来做呢？那就是 AI 智能体，也叫 AI Agent。
公开
同步至部落
取消
完成
0/2000
荧光笔
直线
曲线笔记
复制
AI
- 深入了解
- 翻译
- 解释
- 总结
1. AI Agent是以大语言模型为核心控制器的一套代理系统，可以处理复杂任务和与企业应用场景集成。 2. LangChain是一个AI应用程序开发平台，包含LangChain、LangSmith、LangServe和LangGraph四大组件，提供了一整套围绕大模型的Agent工具。 3. LangChain的技术架构包含LangChain-Core、LangChain-Community和LangChain三大模块，其中模型I/O、Retrieval、Agents、Chains、Memory和Callbacks是重要模块。 4. LangChain的核心思想是围绕大模型的输入和输出进行操作，以及通过链的概念将一系列组件串起来进行功能叠加。 5. Agent的使用案例中介绍了RAG技术，用于让大模型支持最新的知识索引，包括任务一：通过网络爬虫爬取大量信息并向量化存储，任务二：将问题向量化后在向量库里检索信息喂给大模型进行输出。
仅可试看部分内容，如需阅读全部内容，请付费购买文章所属专栏
《AI 大模型实战高手课》，新⼈⾸单¥59
《AI 大模型实战高手课》，新⼈⾸单¥59
立即购买
© 版权归极客邦科技所有，未经许可不得传播售卖。 页面已增加防盗追踪，如有侵权极客邦将依法追究其法律责任。
登录 后留言
精选留言
由作者筛选后的优质留言将会公开显示，欢迎踊跃留言。
收起评论