核心内容摘要
【解密MIRD-133H】J界极致曲线的秘密，一次颠覆想象的视觉盛宴
在本教程中我们将简短地介绍检索增强生成RAG (Retrieval-Augmented Generation)的组成部分并详细介绍如何在CAMEL框架中使用Customized RAG和Auto RAG。
备注本次搭建使用Milvus作为默认向量存储。
01RAG组成部分检索增强生成 (Retrieval-Augmented Generation, RAG) 是一种结合了基于检索和基于生成方法的高级自然语言处理方法用于提升语言模型的性能。
在RAG模型中有两个主要组成部分
检索器 (Retriever)这个组件负责从大型数据库或知识库中检索相关信息。
检索器使用查询或提示词搜索与输入内容匹配的相关文档、段落或句子。
生成器 (Generator)这个组件是一个语言模型基于输入查询和检索到的信息生成文本。
生成器使用检索到的信息生成连贯且流畅的回答。
RAG架构通过基于检索器和生成器提高生成文本的准确性和相关性。
检索器为生成器提供了相关的上下文和信息帮助生成过程。
具备RAG的智能体具有更高的准确性、最新的知识和改进的泛化能力。
自定义RAGCustomized RAG是专门针对某个领域进行手动微调的适用于特定的应用场景。
而自动化RAGAuto RAG则通用程度更高能够动态地检索和生成回应适合更广泛、较不专业的使用场景。
02使用支持RAG的camel框架加载CAMEL论文首先我们要加载CAMEL论文大家可以点击以下网址找到论文https://arxiv.org/pdf/
2303.
pdf,这将作为我们的本地示例数据。
自定义RAG我们在本小节会设置自定义RAG的Pipeline以VectorRetriever为例。
我们将使用OpenAI Embedding作为嵌入模型因此需要在下面设置OPENAI_API_KEY。
相似度得分内容路径元数据文本那让我们来尝试一个不相关的查询将检索不到相关内容自动化RAG本小节中我们将使用默认运行AutoRetriever它使用OpenAIEmbedding作为默认的嵌入模型使用Milvus作为默认的向量存储。
你需要做的是
设置内容输入路径可以是本地路径或远程URL。
设置Milvus的远程URL和API密钥。
提供一个Query。
ChatAgent我们将展示如何结合AutoRetriever和一个ChatAgent。
首先让我们设置一个智能体函数在这个函数中我们可以通过提供一个Query从而获取回应。
再导入并设置向量存储实例访问Milvus官网获取Milvus URL和Token那现在就让智能体告诉你什么是CAMEL AI吧大家可以使用不同Query进行尝试哦想入门 AI 大模型却找不到清晰方向备考大厂 AI 岗还在四处搜集零散资料别再浪费时间啦2026 年AI 大模型全套学习资料已整理完毕从学习路线到面试真题从工具教程到行业报告一站式覆盖你的所有需求现在全部免费分享扫码免费领取全部内容
学习必备100本大模型电子书26 份行业报告 600 套技术PPT帮你看透 AI 趋势想了解大模型的行业动态、商业落地案例大模型电子书这份资料帮你站在 “行业高度” 学 AI
100本大模型方向电子书
26 份行业研究报告覆盖多领域实践与趋势报告包含阿里、DeepSeek 等权威机构发布的核心内容涵盖职业趋势《AI 职业趋势报告》《中国 AI 人才粮仓模型解析》商业落地《生成式 AI 商业落地白皮书》《AI Agent 应用落地技术白皮书》领域细分《AGI 在金融领域的应用报告》《AI GC
实践案例集》行业监测《2024 年中国大模型季度监测报告》《2025 年中国技术市场发展趋势》。
600套技术大会 PPT听行业大咖讲实战PPT 整理自
年热门技术大会包含百度、腾讯、字节等企业的一线实践安全方向《端侧大模型的安全建设》《大模型驱动安全升级腾讯代码安全实践》产品与创新《大模型产品如何创新与创收》《AI 时代的新范式构建 AI 产品》多模态与 Agent《Step-Video 开源模型视频生成进展》《Agentic RAG 的现在与未来》工程落地《从原型到生产AgentOps 加速字节 AI 应用落地》《智能代码助手 CodeFuse 的架构设计》。
求职必看大厂 AI 岗面试 “弹药库”300 真题 107 道面经直接抱走想冲字节、腾讯、阿里、蔚来等大厂 AI 岗这份面试资料帮你提前 “押题”拒绝临场慌
107 道大厂面经覆盖 Prompt、RAG、大模型应用工程师等热门岗位面经整理自
年真实面试场景包含 TPlink、字节、腾讯、蔚来、虾皮、中兴、科大讯飞、京东等企业的高频考题每道题都附带思路解析
102 道 AI 大模型真题直击大模型核心考点针对大模型专属考题从概念到实践全面覆盖帮你理清底层逻辑
97 道 LLMs 真题聚焦大型语言模型高频问题专门拆解 LLMs 的核心痛点与解决方案比如让很多人头疼的 “复读机问题”
路线必明 AI 大模型学习路线图1 张图理清核心内容刚接触 AI 大模型不知道该从哪学起这份「AI大模型 学习路线图」直接帮你划重点不用再盲目摸索路线图涵盖 5 大核心板块从基础到进阶层层递进一步步带你从入门到进阶从理论到实战。
L1阶段:启航篇丨极速破界AI新时代L1阶段了解大模型的基础知识以及大模型在各个行业的应用和分析学习理解大模型的核心原理、
关键技术以及大模型应用场景。
L2阶段攻坚篇丨RAG开发实战工坊L2阶段AI大模型RAG应用开发工程主要学习RAG检索增强生成包括Naive RAG、Advanced-RAG以及RAG性能评估还有GraphRAG在内的多个RAG热门项目的分析。
L3阶段跃迁篇丨Agent智能体架构设计L3阶段大模型Agent应用架构进阶实现主要学习LangChain、 LIamaIndex框架也会学习到AutoGPT、 MetaGPT等多Agent系统打造Agent智能体。
L4阶段精进篇丨模型微调与私有化部署L4阶段大模型的微调和私有化部署更加深入的探讨Transformer架构学习大模型的微调技术利用DeepSpeed、Lamam Factory等工具快速进行模型微调并通过Ollama、vLLM等推理部署框架实现模型的快速部署。
L5阶段专题集丨特训篇 【录播课】