基于大语言模型的智能体入门

一、大模型
1.工作原理
2.固有缺陷及改进方法
(1)不具备知识出现幻觉
改：使用外接知识库给LLM提供知识
(2)无法解决复杂逻辑任务
改：多个LLM协同，各司其职
(3)不擅长数学运算
改：使用外接工具如计算器等

二、大模型开发现有开发范式
1.检索增强生成（RAG）
(1)检索增强生成（Retrieval Augmented Generation，简称 RAG）是一种人工智能框架，将预先训练的语言模型与检索机制相结合，旨在解决一些不仅仅需要通用语言模型知识的任务。
(2)RAG 的工作原理如下：
检索：检索模型接收输入（如查询或提示）后，使用检索系统在广泛的文档数据库中搜索与输入最相关的文档，运用各种技术（如 tf-idf、bm25 或密集检索器等神经方法）来排序和选择最相关的信息，然后将选定的信息传递给生成模型。
生成：生成模型采用序列到序列转换器，获取用户查询和检索到的上下文，并生成连贯且上下文相关的响应。该转换器不仅考虑原始输入，还会结合检索到的文档，以确保生成的响应精确且有意义，最终的响应是检索到的信息和模型自身生成能力的组合。

2. Al Agent
(1) AI Agent 是一种能够在特定环境中自主感知、思考、决策和行动，以实现特定目标或完成特定任务的智能实体。
(2