智能体增强检索生成（Agentic RAG）
在本单元中，我们将探讨如何利用智能体增强检索生成（Agentic RAG）帮助 Alfred 筹备精彩的晚会。
提示：我们已在先前单元讨论过检索增强生成（RAG）和智能体增强 RAG，如果您已熟悉这些概念可跳过本节。
大语言模型（LLMs）通过海量数据训练获得通用知识。
但其世界知识模型可能包含过时或不相关信息。
RAG 通过从您的数据中检索相关信息并传递给大语言模型，有效解决了这个问题。
思考 Alfred 的工作流程：
- 我们要求 Alfred 协助策划晚会
- Alfred 需要获取最新新闻和天气信息
- Alfred 需要整理和检索宾客信息
正如 Alfred 需要搜索家庭信息才能提供有效帮助，任何智能体都需要理解和检索相关数据的能力。
智能体增强 RAG 是帮助智能体解答数据问题的强大工具，我们可以为 Alfred 提供多种工具来辅助问题解答。
与传统文档自动问答不同，Alfred 可以自主决定使用任何工具或流程来回答问题。
现在让我们开始构建智能体增强 RAG 工作流！
首先创建用于检索最新受邀者详情的 RAG 工具，接着开发网络搜索、天气更新和 Hugging Face Hub 模型下载统计等工具，最终整合所有组件实现我们的智能体增强 RAG 智能体！
小结
- RAG 通过从自有数据检索相关信息喂给 LLM，补足其世界知识可能过时/不相关的短板。
- Agentic RAG 进一步让智能体自主决定调用哪些工具或流程来回答数据问题，而非固定文档问答。
- 以 Alfred 筹备晚会为例：智能体需自行获取新闻、天气、宾客信息等，因此要配备多种工具。
- 实践路线：先做检索受邀者详情的 RAG 工具，再叠加网络搜索、天气、HF Hub 下载统计等工具，最终整合为 Agentic RAG 智能体。