一文读懂RAG、LangChain、Agent 到底有啥关系？

一文读懂RAG、LangChain、Agent 到底有啥关系？

假设你是一名企业合规产品经理，接到一份合规同事的请求：

我们公司是否符合 ISO-27001 第九条？请给一份答处与原文引用。

为了找到答案，我们需要理解标准条文、定位内部制度文档、比对内容差异，甚至进一步追问第三方系统中是否存在冲突证据。

这些能力，是一个完整的信息检索、信息整合以及总结输出的过程，那么，一个 LLM 应用，怎样才能处理这种合规级别的任务？

我们先看下这张图

可以在中使用LangChain框架中，使用RAG技术来创建一个Agent，扮演特定的角色专门解决用户的特定需求。

在此过程中，🧠 Agent 是思考者，🔧 LangChain 是协调者，📃 RAG 是资料员。

01

RAG：让模型“查得到”正确的信息

在任何大模型应用中，“知识不足”是第一堵墙。即便你的模型很强，但它本身未必知道企业自己的制度、合同、标准，也不具备最新行业法规。RAG（Retrieval-Augmented Generation）就是用来解决这个问题的。

<