Agents 课程文档
Agentic 检索增强生成 (RAG)
加入 Hugging Face 社区
并获得增强的文档体验
开始
Agentic 检索增强生成 (RAG)
在本单元中，我们将了解如何使用 Agentic RAG 来帮助 Alfred 为盛大的庆典做准备。
我们知道我们在之前的单元中已经讨论过检索增强生成 (RAG) 和 agentic RAG，所以如果您已经熟悉这些概念，请随意跳过。
LLM 通过在大量数据上训练来学习通用知识。然而，LLM 的世界知识模型可能并不总是相关和最新的信息。RAG 通过从您的数据中查找和检索相关信息并将其转发给 LLM 来解决这个问题。
现在，想想 Alfred 是如何工作的
- 我们已经要求 Alfred 帮助策划一场庆典
- Alfred 需要找到最新的新闻和天气信息
- Alfred 需要组织和搜索嘉宾信息
正如 Alfred 需要搜索您的家庭信息才能提供帮助一样，任何 agent 都需要一种查找和理解相关数据的方法。Agentic RAG 是一种使用 agent 回答有关您的数据问题的强大方法。我们可以向 Alfred 传递各种工具来帮助他回答问题。但是，Alfred 可以决定使用任何其他工具或流程来回答问题，而不是自动在文档之上回答问题。
让我们开始构建我们的 agentic RAG 工作流程！
首先，我们将创建一个 RAG 工具来检索有关受邀者的最新详细信息。接下来，我们将开发用于网络搜索、天气更新和 Hugging Face Hub 模型下载统计信息的工具。最后，我们将整合所有内容，使我们的 agentic RAG agent 栩栩如生！
< > 在 GitHub 上更新