檢索增強型生成（RAG）將語言模型與外部知識檢索相結合，讓模型的回答基于最新的事實，而不僅僅是其訓練數據呢。

RAG（高級別）

在 RAG 流程中，用戶查詢用于搜索知識庫（通常通過向量數據庫中的嵌入來實現），并將檢索到的最相關文檔“增強”到模型的提示中，以幫助生成事實性的回答呢。

這減少了幻覺現象，并且允許在回答中使用特定領域的或私有的數據呢。

然而，傳統的 RAG 存在局限性呢：它通常只查詢單一數據源，并且只進行一次檢索，所以如果初始結果不佳或者查詢措辭奇怪，答案就會受影響呢。

系統并沒有內置的機制來推理如何檢索到更好的信息，或者在需要時使用額外的工具呢。

代理型 RAG

代理型 RAG 彌補了這些不足，通過在 RAG 循環中引入一個 AI 代理 呢。在一個代理型 RAG 系統中，檢索和生成組件由一個智能代理來協調，這個代理能夠規劃多步驟查詢，使用各種工具，并且根據查詢和中間結果調整其策略呢。換句話說，“