“ 主動式RAG就是一個會使用搜索引擎的人，它會根據需要使用搜索引擎。”

關于RAG事實上分為兩種架構，一種是傳統的被動式RAG，另一種是主動式RAG；作者在上一篇文章中說過RAG并不是一項具體的技術，而是一種方法論。

因此，所謂的被動式RAG是基于傳統的檢索召回，增強生成的流程；而主動式RAG是把RAG技術與智能體技術相結合的一種主動式架構——其主動主要體現在智能體能夠自行規劃和使用工具來回答問題，而不需要每次都去召回，然后再進行回答。

主動式RAG

傳統的被動式RAG存在很多缺點，比如說太傻叉了，每次都要先去知識庫中進行文檔召回，哪怕你只是簡單的說一句你好；當然，也可以通過增加一個前端路由的方式來避免這個問題，但在復雜問題下就不太行了；因此總體來說，被動式RAG存在很多問題。

但結合了智能體技術的主動式RAG相比就存在很多優點，而且其更符合人類的思維習慣。

主動式RAG的工作流程是什么樣的？ 

主動式RAG的本質還是一個智能體，只不過給它配置的是召回工具，也就是特定應用場景下的智能體。

智能體的運作邏輯是什么？為什么說智能體更符合人類的思維模式？

智能體 = 大模型+工具+ (用戶問題 + 記憶 + 上下文管理)，其中主要還是大模型和工具扮演著重要角色。

在智能體中，大模型就是一個人，然后給它配備了能夠解決問題的工具；比如說，給你一臺電腦，讓你做一份PPT，其中你就是大模型，電腦就是工具。

具體這個PPT怎么做，有哪些內容是由你(大模型)決定的，而做PPT必須使用電腦才可以。

在RAG中也是如此，用戶提出問題，然后交給大模型，然后大模型根據自己的經驗判斷是否能夠回答問題，如果回答不了是否有工具能夠使用，之后再回答用戶問題。

這個流程是不是很符合我們人類的思維模式，應該說和人類的思維模式一模一樣。

假如說你是一個計算機領域的工作人員，有人問你計算機相關的問題，我想大部分問題你應該都不需要看書或查資料就能夠回答；只有遇到那些比較復雜或者你拿不準的問題時才需要查閱資料，比如說計算機類的書籍，搜索引擎等。

但傳統的被動式RAG是怎么做的？

不管用戶問什么問題，先去資料庫里查一遍，然后再來回答用戶問題；但我們知道很多簡單的問題，其實沒必要去查資料，這樣雖然從理論上能提升準確率，但會嚴重影響效率。

總之就是被動式RAG的執行邏輯太傻了，就像開卷考試一樣，問你1+1等于幾，你還要去翻一下書，這不是浪費時間嘛。

而基于主動式的RAG，我能夠自己回答的問題就自己回答，不能自己回答的問題再去使用工具做檢索；并且，由于記憶的存在，如果是用戶重復問的問題，還可以自己根據記憶進行回答，這樣可以大大提升響應速度，提升用戶體驗。

?

本文轉載自??AI探索時代?? 作者：DFires