记一次智能体和RAG检索增强的应用思路和问题——使用智能体解决不同维度之间的协作问题 原创

“ 智能体技术与复杂业务场景的结合是大模型应用的一个难点，怎么才能在技术和业务之间找到一个合适的连接点，是我们现在亟待解决的问题。”

最近在优化一个RAG系统，并且这两天又接到一个新需求，一个大场景下有三个子场景；而基于传统的RAG技术需要分三个场景来做，因此选择使用智能体来解决这个问题。

而且还一个要优化的点就是，目前的RAG召回效果不太好，因此需要用智能体的方式做几个从不同维度召回数据的工具；所以需要把这两点结合起来。

刚开始拿到这个问题，没什么具体的思路，就想着用智能体去做；但等到真正去做的时候才发现好像没有那么简单。

原因就在于两个需求点是不同维度的问题，一个是业务问题，一个是技术问题；而且每个子场景都需要支持多维度的召回。所以，这种问题处理起来就比较复杂。

比如说，做一个支持多维度召回的智能体，然后再做几个支持不同场景的智能体；这时多个智能体之间应该怎么协调，虽然理论上不同的智能体之间可以互相结合，但真正操作起来好像有点复杂。

所以今天在散步的时候突然想明白了这个问题；既然，多维度召回是通用的，而且每个子场景都需要；那么只需要把不同维度的召回策略做成工具，然后把这些工具配置到不同场景的智能体上就可以解决这个问题，而不需要把多维度召回单独做成一个智能体。

也就是说减少一个智能体，就可以更好的解决这个问题。

使用智能体解决不同业务维度之间的协作问题

智能体作为一种大模型的应用方式，其本质是一种纯粹的技术问题，而不涉及具体的应用领域；因此，在遇到业务问题时，怎么把智能体技术与业务领域相结合是我们需要思考的问题。

以上面的需求为例，面对不同维度的业务问题，我们怎么使用智能体去解决这些问题；如果为不同维度的问题创建单独的智能体，虽然理论上来说可以解决任何问题，但从系统的复杂度来说这并不是一个很好的选择。

所以，现在我们需要考虑的是，怎么在尽可能减少技术复杂度的情况下，去更好地解决业务需求；而不是只是为了简单地完成任务。

从作者最近一段时间从事大模型应用开发的经验来看，智能体技术虽然理论上不复杂，但由于复杂的业务场景，怎么更好的把技术领域与业务领域相结合才是大模型应用的难点；而不是单纯的业务问题或技术问题。

面对大模型应用这种新兴的技术领域，很多应用场景和技术都还处于探索之中，因此其在企业应用中也是步履维艰，特别是对于技术人员来说；很多时候都是技术归技术，业务归业务，而在没有任何案例的情况下，把业务和技术结合起来就成了一个非常令人头疼的问题。

而说到底，还是自己对大模型技术以及应用理解的不够深刻；原因就在于技术是一门实践性很强的东西，而不是一门纯粹的技术理论。

实践和理论相结合，才有可能做好技术，做好应用。

本文转载自​​​AI探索时代​​​ 作者：DFires