RAG已經(jīng)不是什么新鮮的概念了自2023年發(fā)展至今也有兩年時(shí)間了從最早的傳統(tǒng)RAG進(jìn)化到如今各類更智能的RAG今天給大家簡(jiǎn)單介紹下現(xiàn)在用的最多的這四種RAG。傳統(tǒng)RAG傳統(tǒng)RAG是最早期出現(xiàn)的RAG架構(gòu)方式也是我們通常所指?jìng)鹘y(tǒng)意義上RAG基本概念。它的出現(xiàn)了通過(guò)外掛知識(shí)庫(kù)的方式降低了大模型幻覺(jué)解決了大模型即使不通過(guò)微調(diào)也可以使大模型具備專業(yè)的領(lǐng)域知識(shí)。其核心的流程包含三個(gè)階段索引構(gòu)建、查詢與生成。索引階段將原始文檔轉(zhuǎn)換成向量存儲(chǔ)至向量數(shù)據(jù)庫(kù)。這個(gè)階段一般包含文檔清洗去重、降噪、脫敏等→切塊chunk→向量化embedding→入庫(kù)FAISS/Milvus/pgvector等向量數(shù)據(jù)庫(kù)這四大步驟處理。查詢階段根據(jù)用戶輸入去向量數(shù)據(jù)庫(kù)檢索出相關(guān)信息。生成階段將檢索出的信息與原始的用戶輸入交給大模型引導(dǎo)模型輸出更準(zhǔn)確的答案。后來(lái)為了提升檢索的準(zhǔn)確性可以在查詢階段加入ReRank機(jī)制對(duì)檢索出的信息進(jìn)行重新排序。傳統(tǒng)RAG的特點(diǎn)1、傳統(tǒng)RAG能夠處理的文檔格式比較簡(jiǎn)單通常限于文本和圖片兩種。2、知識(shí)庫(kù)多為靜態(tài)知識(shí)庫(kù)如果知識(shí)更新需要重新構(gòu)建索引embedding處理。3、通常只是進(jìn)行一輪的知識(shí)庫(kù)檢索并且將檢索的結(jié)果與原始提示詞進(jìn)行簡(jiǎn)單拼接后直接提交給大模型進(jìn)行生成結(jié)果。一句話總結(jié)檢索→拼接→生成最適用于簡(jiǎn)單的企業(yè)內(nèi)部各類知識(shí)問(wèn)答場(chǎng)景。多模態(tài)RAG多模態(tài)RAG是傳統(tǒng)RAG的進(jìn)階版本此時(shí)的RAG技術(shù)不再局限于文本數(shù)據(jù)而是能夠處理和理解更豐富的數(shù)據(jù)類型例如還可支持表格、圖像、視頻、音頻等多種模態(tài)數(shù)據(jù)的檢索和生成。技術(shù)實(shí)現(xiàn)上我們可以借助于OCR技術(shù)與一些多模態(tài)Embedding模型例如阿里的Qwen3-Embedding系列模型實(shí)現(xiàn)。一句話總結(jié)將文本 圖片/表格/音頻/視頻/圖紙等都納入檢索與理解。Agentic RAG傳統(tǒng)的RAG信息檢索只是一個(gè)必須而又被動(dòng)的檢索步驟是大模型回答前必須的一個(gè)前置檢索步驟用于給大模型回答提供炮彈。而Agentic RAG相當(dāng)于在傳統(tǒng)RAG的基礎(chǔ)上引入了智能體Agent的概念使檢索過(guò)程更加智能化和自主化。根據(jù)用戶的需求Agentic RAG可以決定是否需要檢索、何時(shí)進(jìn)行檢索、如何利用檢索結(jié)果并且可以進(jìn)行多輪檢索對(duì)檢索結(jié)果自己進(jìn)行迭代和優(yōu)化。所以要實(shí)現(xiàn)Agentic RAG這里就需要我們創(chuàng)建一個(gè)智能體了而檢索過(guò)程將被封裝成可以自主調(diào)用、評(píng)估、迭代和優(yōu)化的工具難度更高。Agentic RAG特點(diǎn)1、自主決策可自主決定檢索時(shí)機(jī)和策略提高了檢索的靈活性和準(zhǔn)確性。2、多輪檢索支持多輪檢索和迭代優(yōu)化能夠根據(jù)初步檢索結(jié)果調(diào)整后續(xù)檢索策略檢索結(jié)果更靠譜。3、復(fù)雜融合檢索結(jié)果與上下文信息的融合更加復(fù)雜和智能能夠更好地支持多輪對(duì)話和復(fù)雜任務(wù)。一句話總結(jié)Agentic RAG會(huì)計(jì)劃、會(huì)反思、會(huì)用工具通過(guò)多輪自我驅(qū)動(dòng)把需求拆解、檢索、迭代、融合、評(píng)估、優(yōu)化。GraphRAGGraphRAG顧名思義加入了圖譜的概念它是知識(shí)圖譜與RAG的結(jié)合通過(guò)引入圖結(jié)構(gòu)建模實(shí)體之間結(jié)構(gòu)化關(guān)系提供更豐富的上下文信息和推理路徑來(lái)增強(qiáng)檢索和生成的推理能力。整體復(fù)雜度高前期實(shí)體建模成本高相比于上面提到的3種RAG方式GraphRAG普及度低一些。技術(shù)實(shí)現(xiàn)層面可以考慮用Neo4j LlamaIndex組合或微軟的GraphRAG等方式實(shí)現(xiàn)。GraphRAG特點(diǎn)1、利用知識(shí)圖譜顯式地建模實(shí)體之間的關(guān)系增強(qiáng)檢索的推理能力。2、支持基于圖結(jié)構(gòu)的復(fù)雜推理路徑提高生成的準(zhǔn)確性和可靠性。3、提供了更直觀的可解釋性有助于理解模型的決策過(guò)程。一句話總結(jié)把知識(shí)抽成圖譜讓檢索與推理更準(zhǔn)確。根據(jù)不同的業(yè)務(wù)需求如何選擇合適的RAG方式至關(guān)重要復(fù)雜場(chǎng)景下可能需要多種RAG方式組合使用。而在未來(lái)的發(fā)展方向?qū)⒍嗄B(tài)RAG、Agentic RAG與GraphRAG相融合作為一個(gè)大的RAG組件將會(huì)是必然趨勢(shì)。而RAG本質(zhì)上屬于上下文的一部分所以我們還需重點(diǎn)關(guān)注上下文工程相關(guān)技術(shù)領(lǐng)域。最后嘮兩句為什么AI大模型成為越來(lái)越多程序員轉(zhuǎn)行就業(yè)、升職加薪的首選很簡(jiǎn)單這些崗位缺人且高薪智聯(lián)招聘的最新數(shù)據(jù)給出了最直觀的印證2025年2月AI領(lǐng)域求職人數(shù)同比增幅突破200% 遠(yuǎn)超其他行業(yè)平均水平整個(gè)人工智能行業(yè)的求職增速達(dá)到33.4%位居各行業(yè)榜首其中人工智能工程師崗位的求職熱度更是飆升69.6%。AI產(chǎn)業(yè)的快速擴(kuò)張也讓人才供需矛盾愈發(fā)突出。麥肯錫報(bào)告明確預(yù)測(cè)到2030年中國(guó)AI專業(yè)人才需求將達(dá)600萬(wàn)人人才缺口可能高達(dá)400萬(wàn)人這一缺口不僅存在于核心技術(shù)領(lǐng)域更蔓延至產(chǎn)業(yè)應(yīng)用的各個(gè)環(huán)節(jié)。那0基礎(chǔ)普通人如何學(xué)習(xí)大模型 深耕科技一線十二載親歷技術(shù)浪潮變遷。我見(jiàn)證那些率先擁抱AI的同行如何建立起效率與薪資的代際優(yōu)勢(shì)。如今我將積累的大模型面試真題、獨(dú)家資料、技術(shù)報(bào)告與實(shí)戰(zhàn)路線系統(tǒng)整理分享于此為你掃清學(xué)習(xí)困惑共赴AI時(shí)代新程。我整理出這套 AI 大模型突圍資料包【允許白嫖】?從入門(mén)到精通的全套視頻教程?AI大模型學(xué)習(xí)路線圖0基礎(chǔ)到項(xiàng)目實(shí)戰(zhàn)僅需90天?大模型書(shū)籍與技術(shù)文檔PDF?各大廠大模型面試題目詳解?640套AI大模型報(bào)告合集?大模型入門(mén)實(shí)戰(zhàn)訓(xùn)練這份完整版的大模型 AI 學(xué)習(xí)和面試資料已經(jīng)上傳CSDN朋友們?nèi)绻枰梢晕⑿艗呙柘路紺SDN官方認(rèn)證二維碼免費(fèi)領(lǐng)取【保證100%免費(fèi)】①?gòu)娜腴T(mén)到精通的全套視頻教程包含提示詞工程、RAG、Agent等技術(shù)點(diǎn)② AI大模型學(xué)習(xí)路線圖0基礎(chǔ)到項(xiàng)目實(shí)戰(zhàn)僅需90天全過(guò)程AI大模型學(xué)習(xí)路線③學(xué)習(xí)電子書(shū)籍和技術(shù)文檔市面上的大模型書(shū)籍確實(shí)太多了這些是我精選出來(lái)的④各大廠大模型面試題目詳解⑤640套AI大模型報(bào)告合集⑥大模型入門(mén)實(shí)戰(zhàn)訓(xùn)練如果說(shuō)你是以下人群中的其中一類都可以來(lái)智泊AI學(xué)習(xí)人工智能找到高薪工作一次小小的“投資”換來(lái)的是終身受益應(yīng)屆畢業(yè)生?無(wú)工作經(jīng)驗(yàn)但想要系統(tǒng)學(xué)習(xí)AI大模型技術(shù)期待通過(guò)實(shí)戰(zhàn)項(xiàng)目掌握核心技術(shù)。零基礎(chǔ)轉(zhuǎn)型?非技術(shù)背景但關(guān)注AI應(yīng)用場(chǎng)景計(jì)劃通過(guò)低代碼工具實(shí)現(xiàn)“AI行業(yè)”跨界?。業(yè)務(wù)賦能 ?突破瓶頸傳統(tǒng)開(kāi)發(fā)者Java/前端等學(xué)習(xí)Transformer架構(gòu)與LangChain框架向AI全棧工程師轉(zhuǎn)型?。獲取方式有需要的小伙伴可以保存圖片到wx掃描二v碼免費(fèi)領(lǐng)取【保證100%免費(fèi)】