Initial commit: jaspersoft-agent-learn teaching project
This commit is contained in:
zy187
@@ -0,0 +1,235 @@
|
||||
# Step 05-07: RAG / Self-Correction / Multi-Agent
|
||||
|
||||
> 这些步骤是进阶内容，包含核心概念和实现代码。
|
||||
|
||||
## Step 05: RAG - 知识检索
|
||||
|
||||
### 核心概念
|
||||
|
||||
RAG = Retrieval-Augmented Generation（检索增强生成）
|
||||
|
||||
```
|
||||
┌─────────────────────────────────────────────────────┐
|
||||
│ RAG 流程 │
|
||||
├─────────────────────────────────────────────────────┤
|
||||
│ │
|
||||
│ 用户问题 ──▶ 编码为向量 ──▶ 向量数据库检索 │
|
||||
│ │ │
|
||||
│ ▼ │
|
||||
│ 找到最相关的文档 │
|
||||
│ │ │
|
||||
│ ▼ │
|
||||
│ 把文档和问题一起发送给 LLM │
|
||||
│ │ │
|
||||
│ ▼ │
|
||||
│ 生成答案 │
|
||||
│ │
|
||||
└─────────────────────────────────────────────────────┘
|
||||
```
|
||||
|
||||
### 为什么需要 RAG？
|
||||
|
||||
1. LLM 的知识有截止日期
|
||||
2. LLM 不知道你私有的数据
|
||||
3. RAG 让 LLM 能"查阅"外部知识
|
||||
|
||||
### 关键组件
|
||||
|
||||
| 组件 | 作用 |
|
||||
|------|------|
|
||||
| Embedding Model | 把文本变成向量 |
|
||||
| Vector Database | 存储和检索向量 |
|
||||
| Retrieval | 找到最相关的文档 |
|
||||
| Generation | 用检索结果生成答案 |
|
||||
|
||||
### 简化实现
|
||||
|
||||
```python
|
||||
class SimpleRAG:
|
||||
"""简化版 RAG 系统"""
|
||||
|
||||
def __init__(self):
|
||||
# 文档存储
|
||||
self.documents = []
|
||||
# 向量存储（简化版，用关键词）
|
||||
self.vectors = {}
|
||||
|
||||
def add_document(self, text: str, metadata: dict = None):
|
||||
"""添加文档"""
|
||||
self.documents.append({
|
||||
"text": text,
|
||||
"metadata": metadata or {}
|
||||
})
|
||||
|
||||
def retrieve(self, query: str, top_k: int = 3) -> list:
|
||||
"""检索相关文档"""
|
||||
# 简化版：基于关键词匹配
|
||||
results = []
|
||||
for doc in self.documents:
|
||||
# 计算简单相关性分数
|
||||
score = sum(1 for word in query if word in doc["text"].lower())
|
||||
if score > 0:
|
||||
results.append((score, doc))
|
||||
# 排序并返回 top_k
|
||||
results.sort(key=lambda x: x[0], reverse=True)
|
||||
return [doc for _, doc in results[:top_k]]
|
||||
|
||||
def generate(self, query: str, llm) -> str:
|
||||
"""RAG 生成"""
|
||||
docs = self.retrieve(query)
|
||||
context = "\n".join([d["text"] for d in docs])
|
||||
|
||||
prompt = f"""
|
||||
根据以下上下文回答问题：
|
||||
|
||||
上下文：
|
||||
{context}
|
||||
|
||||
问题：{query}
|
||||
|
||||
答案：
|
||||
"""
|
||||
return llm.invoke(prompt)
|
||||
```
|
||||
|
||||
---
|
||||
|
||||
## Step 06: Self-Correction - 自我修正
|
||||
|
||||
### 核心概念
|
||||
|
||||
Self-Correction = 让 Agent 能够自我发现并修复错误
|
||||
|
||||
```
|
||||
┌─────────────────────────────────────────────────────┐
|
||||
│ Self-Correction 流程 │
|
||||
├─────────────────────────────────────────────────────┤
|
||||
│ │
|
||||
│ 生成结果 ──▶ 验证 ──▶ 有问题？ │
|
||||
│ │ │
|
||||
│ ┌────┴────┐ │
|
||||
│ │ │ │
|
||||
│ 是 否 │
|
||||
│ │ │ │
|
||||
│ ▼ ▼ │
|
||||
│ 分析错误 返回结果 │
|
||||
│ │ │
|
||||
│ ▼ │
|
||||
│ 生成修复方案 │
|
||||
│ │ │
|
||||
│ ▼ │
|
||||
│ 重新生成 ──▶ 再次验证 │
|
||||
│ │
|
||||
└─────────────────────────────────────────────────────┘
|
||||
```
|
||||
|
||||
### 实现要点
|
||||
|
||||
```python
|
||||
class SelfCorrectingAgent:
|
||||
"""自我修正 Agent"""
|
||||
|
||||
def __init__(self):
|
||||
self.max_retries = 3
|
||||
|
||||
def try_generate(self, requirement: str) -> str:
|
||||
"""带自我修正的生成"""
|
||||
for attempt in range(self.max_retries):
|
||||
# 1. 生成
|
||||
result = self.generate(requirement)
|
||||
|
||||
# 2. 验证
|
||||
validation = self.validate(result)
|
||||
|
||||
# 3. 检查是否通过
|
||||
if validation["passed"]:
|
||||
return result
|
||||
|
||||
# 4. 分析错误
|
||||
error = validation["error"]
|
||||
print(f"尝试 {attempt + 1} 失败: {error}")
|
||||
|
||||
# 5. 准备修复
|
||||
requirement = self.prepare_fix(requirement, error, result)
|
||||
|
||||
return f"经过 {self.max_retries} 次尝试仍失败"
|
||||
```
|
||||
|
||||
---
|
||||
|
||||
## Step 07: Multi-Agent - 多 Agent 协作
|
||||
|
||||
### 核心概念
|
||||
|
||||
Multi-Agent = 多个专门的 Agent 协同工作
|
||||
|
||||
```
|
||||
┌─────────────────────────────────────────────────────┐
|
||||
│ Multi-Agent 架构 │
|
||||
├─────────────────────────────────────────────────────┤
|
||||
│ │
|
||||
│ ┌──────────────┐ │
|
||||
│ │ Orchestrator │ │
|
||||
│ │ (协调者) │ │
|
||||
│ └──────┬───────┘ │
|
||||
│ │ │
|
||||
│ ┌───────────────────┼───────────────────┐ │
|
||||
│ │ │ │ │
|
||||
│ ▼ ▼ ▼ │
|
||||
│ ┌──────────┐ ┌──────────┐ ┌──────────┐ │
|
||||
│ │ Generator│ │ Validator│ │ Searcher │ │
|
||||
│ │ (生成者) │ │ (验证者) │ │ (搜索者) │ │
|
||||
│ └──────────┘ └──────────┘ └──────────┘ │
|
||||
│ │
|
||||
└─────────────────────────────────────────────────────┘
|
||||
```
|
||||
|
||||
### 协作模式
|
||||
|
||||
| 模式 | 说明 | 适用场景 |
|
||||
|------|------|---------|
|
||||
| 串行 | A → B → C 依次执行 | 步骤有依赖 |
|
||||
| 并行 | A / B / C 同时执行 | 步骤独立 |
|
||||
| 循环 | A → B → A → B 循环 | 需要反复验证 |
|
||||
|
||||
### 简化实现
|
||||
|
||||
```python
|
||||
class MultiAgentSystem:
|
||||
"""多 Agent 协作系统"""
|
||||
|
||||
def __init__(self):
|
||||
# 注册各个 Agent
|
||||
self.agents = {
|
||||
"generator": GeneratorAgent(),
|
||||
"validator": ValidatorAgent(),
|
||||
"searcher": SearcherAgent(),
|
||||
}
|
||||
# 协调器
|
||||
self.orchestrator = Orchestrator(self.agents)
|
||||
|
||||
def process(self, requirement: str) -> str:
|
||||
"""协调多个 Agent 处理请求"""
|
||||
# 1. 搜索相关知识
|
||||
context = self.agents["searcher"].search(requirement)
|
||||
|
||||
# 2. 生成（可能需要多轮）
|
||||
for attempt in range(3):
|
||||
draft = self.agents["generator"].generate(requirement, context)
|
||||
|
||||
# 3. 验证
|
||||
validation = self.agents["validator"].validate(draft)
|
||||
|
||||
if validation["passed"]:
|
||||
return validation["result"]
|
||||
|
||||
return "处理失败"
|
||||
```
|
||||
|
||||
---
|
||||
|
||||
## 📚 学习资源
|
||||
|
||||
- [LangGraph 文档](https://langchain-ai.github.io/langgraph/)
|
||||
- [RAG 最佳实践](https://www.pinecone.io/learn/rag/)
|
||||
- [Multi-Agent 系统设计](https://arxiv.org/abs/2308.03688)
|
||||
Reference in New Issue
Block a user