多模态RAG和传统RAG的对比——以及Agent智能体在两种RAG之间扮演的角色 原创

“ 传统RAG和多模态RAG以及Agent是不同维度上的东西，并不能混为一谈。”

自大模型开始大规模应用以来，RAG技术就是其中一个重点应用方向，虽然一直有人说RAG只是一种过渡手段，但不管怎么说RAG是目前很重要的一个应用技术，而且适用于多种领域，如客服，咨询，检索等。

但是，随着技术的发展RAG技术也经过了几轮迭代，包括RAG，Graph RAG和Agentic RAG等；而随着多模态技术的发展，多模态RAG也随之而来。

那么传统RAG和多模态RAG对比各有哪些优劣势呢？以及智能体技术怎么应用于这两种RAG中？

两种RAG的对比

现在的RAG已经不是以前的RAG了，传统RAG经过几轮迭代，分别经历了Naive RAG，Advanced RAG，Modular RAG，Graph RAG以及Agentic RAG等。

而现在随着多模态技术的发展，多模态RAG也随之而来，那么这两种RAG之间的区别是什么？

其实如果说传统RAG的迭代是对RAG的优化，那么多模态RAG才是真正的技术升级；原因在于传统RAG和多模态RAG完全是两个维度的东西。

在传统RAG中，技术的迭代目标是数据的处理，存储和检索方式；而多模态RAG扩展了RAG检索数据的范围，从只支持单模态数据到支持多模态数据，这不仅仅只是1+1等于2的问题。

在当今社会中，信息的表现形式多种多样，单纯的文字或图片以及视频都很难真正表示出作者的想法；因此，多种模态数据的混合才是当今信息展示的主流。

比如说，图文混合，图表混合，视频解说等等；其都比单一模态的信息表现形式要好的多。

但传统的RAG是怎么做的？

传统的RAG仅仅只是把其它模态的数据转换成文本形式，然后进行增强检索；但高纬度信息形式的压缩，必定导致信息的丢失；因此传统RAG很难做到让人满意；虽然技术一直在迭代升级，但只是升级了其处理，检索和存储的方式，使得检索更快，更高效，更准确；但其表现形式并没有改变。

而有了多模态之后，就可以采用图文混合，图表混合，甚至视频和文字混合的形式来表示数据；这样，由于提供的信息更多样，更具体，那么不论是从展现形式上，还是用户体验上都要比传统RAG好得多。

当然，这里并不是否认传统RAG不行，而是说多模态RAG更符合现今的社会需求；其应用价值自然就更大。

当然，虽然说多模态RAG相对于传统RAG是维度的升级，但并不代表着传统RAG的技术就没用了；还是那句话，多模态RAG和传统RAG是两个维度的东西，传统RAG的技术依然可以应用于多模态RAG，只是多模态RAG更复杂，但也更友好，更符合当今普通人的生活习惯。

OK，那么Agent智能体在其中又扮演什么角色呢？

Agent智能体和RAG是两个维度的技术，如果说多模态RAG是对传统RAG的增强；那么Agent就是一种能够应用于RAG增强的一种手段；原因在于不论是传统RAG还是多模态RAG，其技术的处理过程都是固定的，无法根据不同的场景进行自主判断。

而有了Agent之后，智能体就可以自主决策，根据不同的业务场景选择合适的检索或处理方式；也就是说RAG是死的技术，而Agent可以让这门技术活起来。

RAG和Agent是两种不同的技术手段，两者之间并没有什么交集；其区别主要是技术上的区别。而传统RAG和多模态RAG在技术上有一定的区别，但又有很大的交集，其更大的区别是形式上的区别，多模态RAG表现更丰富，传统RAG表现更单一。

本文转载自​​​AI探索时代​​​ 作者：DFires