RAG-大模型课程《李宏毅 2025》作业1笔记
原视频链接：HW1 - Retrieval Augmented Generation with Agentic System_哔哩哔哩_bilibili
1、什么是RAG
2、为什么用RAG
3、什么是agent系统
1、什么是RAG
- Retrieval - augmented generation (RAG) ·检索增强生成
- RAG是一种让大语言模型（LLMs）利用外部知识回答查询的方法，在一种简单的RAG实现中，用户的问题会首先被输入到“检索系统”或“已知知识库”中以收集相关信息。
2、为什么要用RAG
- 可解决大语言模型知识截止（模型预训练的数据有截止时间）
- 直接训练模型成本高（RAG不需要训练模型）
- 提升答案可靠性（比如企业内部文库）
3、作业中的agent
大语言模型，作为一个个“角色”配合完成复杂任务的框架
Agent目前没有统一agent定义，可以查看上篇内容
例子：
- 用户问题：美国独立战争第一枪在哪里打响的？
- maneger：决定把问题（如果有RAG ，则与RAG信息一起） 传给哪个“分类专家”——从科学、历史、数学中，选择了历史专家。
- 事实检测：通过网络搜索，检查历史专家答题结果，确认回答正确。
作业代码链接：ML2025 Homework 1 | Kaggle