10张图全面理解AI Agents、Agentic、RAG、MCP技术栈。

于 2025-06-16 14:08:37 发布
阅读量819 收藏 9
点赞数 27
CC 4.0 BY-SA版权
文章标签： 人工智能
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.youkuaiyun.com/AIBigModel/article/details/148690231

各位小伙伴，今天不看论文了，哦，不对，第二篇推文还是论文，分享一些AI Agents、Agentic、RAG、MCP、AI模型、2025 AI技术栈的图解，梳理的挺全面的。

AI Agents

AI Agents火热，这份一页纸的指南涵盖了关于AI Agents的一切：从它们的工作原理到它们的用途。

图片

  1. 驱动代理的核心概念
    理解目标分解、自我反思、记忆和多代理协作等关键概念，以掌握代理如何自主推理和行动。

  2. 你应该期待的能力
    现代AI Agents可以抓取网络数据、调用API、执行代码、检索文档（RAG），甚至可以通过工具编排处理多步规划。

  3. 工具、框架和库
    从LangChain和AutoGen到LangGraph和Superagent，这些框架帮助开发人员构建、托管和监控智能代理工作流。

  4. 实际应用
    不要只局限于聊天机器人。代理现在被用于内容生成、会议自动化、研究、数据清洗、CRM更新，甚至测试重构。

  5. 挑战与风险
    AI Agents可能会产生幻觉、无限循环或滥用工具。

图片

图片

Agentic AI

Agentic AI不仅仅是一种趋势，它们是一种范式转变。一份构建Agentic AI系统的全面指南：理解它们的架构、技术栈。

图片

MCP/A2A/FC

MCP与A2A以及函数调用（Functional Calling）的区别：

图片

RAG

为什么RAG很重要？RAG怎么工作的？RAG的最佳工具是哈？

图片

AI模型

6种最重要的AI模型的快速解读：机器学习、深度学习、生成式模型、混合模型、NLP、CV。

图片

图片

2025 AI技术栈

为任何人创建了一份在人工智能、机器学习和生成式人工智能领域取得成功的完整路线图。这份指南概述了每个AI专业人士都应该学习的10个关键领域的核心技术、工具和框架：

图片

图片

https://x.com/goyalshaliniuk
AIBigModel
关注
AI Agent开发第79课-一文看懂最前沿得高级RAG+设计是如何消灭AI幻觉的架构设计
打造全国最全的AI Agent开发知识领域的博客
03-03 2068
企业落地AI经常遇到幻觉，RAG系统中如何消除幻觉呢？近来出现的RAG+、高级RAG到底是个什么样的东西呢？目前网上充斥着大量这方面的论文，很可惜这些论文或者有关的博客都是翻译别人lao wai的英语资料，连举得例子都是什么：棒球赛、超级杯，非旦没有解释清RAG+的精髓也讲得不接地气没有真正领悟到其中的要点，本篇就是总结自大量国内实战项目一线项目里的例子讲透了RAG+的Rewrite, Retrieve, Read三步到底应该怎么走才是最合理。
大模型 | 智能体RAG的基础知识、什么是Agentic RAG？实施智能体RAG
Code1994的博客
11-25 2050
Agentic RAG描述了基于AI智能体实现的RAG。具体来说，它将AI智能体纳入RAG流程中，以协调其组件并执行超出简单信息检索和生成的额外行动，以克服非智能体流程的局限性。Agentic RAG描述了基于AI智能体实现的RAG。AI大模型作为人工智能领域的重要技术突破，正成为推动各行各业创新和转型的关键力量。抓住AI大模型的风口，掌握AI大模型的知识和技能将变得越来越重要。学习AI大模型是一个系统的过程，需要从基础开始，逐步深入到更高级的技术。这里给大家精心整理了一份全面的AI大模型学习资源。
什么是 Agentic RAG，一文读懂 Agentic RAG 数据检索范式
qkh1234567的博客
11-08 4281
检索增强生成 (RAG)是一种构建 LLM 驱动应用程序的技术。它利用外部知识源为 LLM 提供相关背景并减少幻觉。一个简单的 RAG 管道由一个检索组件（通常由一个嵌入模型和一个向量数据库组成）和一个生成组件（LLM）组成。在推理时，用户查询用于对索引文档运行相似性搜索，以检索与查询最相似的文档并为 LLM 提供额外的上下文。
傻傻分不清？一文彻底说清Agentic RAG的前世今生！
2401_85373691的博客
12-06 1596
Agentic RAG就是一种融合了Agent能力的RAG，而Agent的核心能力是自主推理与行动。所以。
什么是Agentic RAG？
mama19971023的博客
08-03 1535
Agentic RAG是检索增强生成(Retrieval-Augmented Generation, RAG)技术的一种高级形式,它通过引入人工智能代理(Agent)的概念,为语言模型赋予了更高层次的智能和自主性。以下是Agentic RAG的主要特点和优势:动态编排机制:Agentic RAG引入了Agent的动态编排机制,可以根据用户提问的不同意图,灵活地调整检索和生成策略。这使得系统能够处理更复杂的查询和多步推理任务。
深入探讨Agentic RAG（A-RAG）
安静的软件工程师
03-21 2006
深入探讨Agentic RAG（A-RAG）
Agentic RAG：对标准RAG(增强检索生成系统)的能力增强
m0_59235699的博客
02-06 872
一个简单的 RAG 由一个检索组件（通常由嵌入模型和向量数据库组成）和一个生成组件（一个LLM）构成。在推理时，用户查询的问题在索引文档中进行相似性搜索，检索出与问题最相似的文档，并为LLM提供额外的上下文。它通过整合外部知识源来增强传统的大语言模型 (LLM)，使LLM能够访问和利用除初始训练数据之外的其他大量信息。可以将 RAG 想象为一位学者，除了拥有自己的知识外，还可以即时访问到一座全面的图书馆。RAG架构典型的 RAG 应用有两个显著的局限性简单的 RAG 仅考虑一个外部知识源。
10张图带你深入理解Docker容器和镜像
02-25
本文用图文并茂的方式介绍了容器、镜像的区别和Docker每个命令后面的技术细节，能够很好的帮助读者深入理解Docker。这篇文章希望能够帮助读者深入理解Docker的命令，还有容器（container）和镜像（image）之间的区别...
10张图带你深入理解Docker容器和镜像1
08-04
于是，我花了几周的时间来学习Docker的工作原理，更确切地说，是关于Docker统一文件系统（the union file system）的知识，然后回过头来
9张图看懂AI人工智能现状从事AI职业女性稀缺.docx
10-26
9张图看懂AI人工智能现状从事AI职业女性稀缺.docx
万字长文 | Agentic RAG全面综述！
weixin_72959097的博客
01-26 873
检索增强生成（RAG）概述检索增强生成（RAG）通过结合大语言模型（LLMs）的生成能力与实时数据检索，代表了人工智能领域的一项重大进展。虽然LLMs在自然语言处理方面表现出色，但对静态预训练数据的依赖往往导致响应过时或不完整。RAG通过动态检索相关外部信息并将其纳入生成过程，实现了上下文准确且最新的输出。RAG的核心组件RAG系统的架构整合了三个主要组件（图1）：• 检索：负责查询外部数据源，如知识库、API或向量数据库。
Agentic RAG：可能是目前最强大和灵活的RAG实现方式，详细解析Agentic RAG的概念、应用场景、代码实现
Androiddddd的博客
10-19 1763
AI大模型作为人工智能领域的重要技术突破，正成为推动各行各业创新和转型的关键力量。抓住AI大模型的风口，掌握AI大模型的知识和技能将变得越来越重要。学习AI大模型是一个系统的过程，需要从基础开始，逐步深入到更高级的技术。这里给大家精心整理了一份全面的AI大模型学习资源，包括：AI大模型全套学习路线图（从入门到实战）、精品AI大模型学习书籍手册、视频教程、实战学习、面试题等，资料免费分享！
2025新年首发：Agentic RAG 综述
m0_59235699的博客
03-04 801
该阶段让大家对大模型 AI有一个最前沿的认识，对大模型 AI 的理解超过 95% 的人，可以在相关讨论时发表高级、不跟风、又接地气的见解，别人只会和 AI 聊天，而你能调教 AI，并能用代码将大模型和业务衔接。对全球大模型从性能、吞吐量、成本等方面有一定的认知，可以在云端和本地等多种环境下部署大模型，找到适合自己的项目/创业方向，做一名被 AI 武装的产品经理。检索完成后，所有代理的数据传递给大型语言模型（LLM），LLM将检索到的信息整合成连贯且上下文相关的响应，无缝整合多个来源的见解。
Agentic RAG 详解 - 从头开始​​构建你自己的智能体系统
最新发布
Elastic 中国社区官方博客
03-11 2762
​虽然检索增强生成（RAG）在 2023 年占据主导地位，但代理工作流正在推动 2024 年的巨大进展。智能体的使用为构建更强大、稳健且多功能的 大型语言模型（LLM）应用程序开辟了新的可能性。其中一种可能性是在 RAG 流水线中引入智能体，形成代理式 RAG 流水线。 本文将介绍 Agentic RAG 的概念、其实现方式，以及其优势和局限性。
带有LlamaIndex的主动RAG 主动RAG的主题探讨了如何将代理程序整合到现有的RAG流水线中，以实现增强的对话式搜索和检索
数智笔记
02-23 1105
考虑下面的架构，可以明显看出主动RAG是如何创建一个易于扩展的实现的。每次添加新的文档时，都会由一个子代理程序来管理新的集合。LlamaIndex的方法Agentic RAG的基本结构如下图所示，其中大量的文档被摄取，本例中限制为100个。大量的数据语料被分成较小的文档。为每个文档创建一个代理，每个文档代理都具有通过嵌入进行搜索和总结响应的能力。在文档代理集合上创建一个顶级代理。元代理/顶级代理执行工具检索，然后使用思维链来回答用户的问题。
Corrective RAG：高级RAG新范式
安静的软件工程师
02-27 2201
Corrective RAG：高级RAG新范式
告别传统RAG，迎接新一代Agentic RAG的到来！
2401_85373898的博客
12-20 1108
Agentic RAG描述了基于AI智能体实现的RAG。具体来说，它将AI智能体纳入RAG流程中，以协调其组件并执行超出简单信息检索和生成的额外行动，以克服非智能体流程的局限性。Agentic RAG描述了基于AI智能体实现的RAG。Agentic RAG如何工作？尽管智能体可以被纳入RAG流程的不同阶段，智能体RAG最常用于检索组件中的智能体。
10张图带你深入理解docker容器和镜像
08-22
Docker是一种流行的容器化技术，通过轻量级、隔离性强的容器来运行应用程序。下面我将通过十张图，带你深入理解Docker容器和镜像。 1. 第一张图展示了Docker容器和镜像的关系。镜像是Docker的基础组件，它是一个只读的模板，包含了运行应用程序所需的所有文件和配置。容器是从镜像创建的实例，它具有自己的文件系统、网络和进程空间。 2. 第二张图展示了Docker容器的隔离性。每个容器都有自己的文件系统，这意味着容器之间的文件互不干扰。此外，每个容器还有自己的网络和进程空间，使得容器之间的网络和进程相互隔离。 3. 第三张图展示了Docker镜像和容器的可移植性。镜像可以在不同的主机上运行，只需在目标主机上安装Docker引擎即可。容器也可以很容易地在不同的主机上迁移，只需将镜像传输到目标主机并在其上创建容器。 4. 第四张图展示了Docker容器的快速启动。由于Docker容器与主机共享操作系统内核，启动容器只需几秒钟的时间。这使得快速部署和扩展应用程序成为可能。 5. 第五张图展示了Docker容器的可重复性。通过使用Dockerfile定义镜像构建规则，可以确保每次构建的镜像都是相同的。这样，可以消除由于环境差异导致的应用程序运行问题。 6. 第六张图展示了Docker容器的资源隔离性。Docker引擎可以为每个容器分配一定数量的CPU、内存和磁盘空间，确保容器之间的资源不会互相干扰。 7. 第七张图展示了Docker容器的可扩展性。通过使用Docker Swarm或Kubernetes等容器编排工具，可以在多个主机上运行和管理大规模的容器群集。 8. 第八张图展示了Docker镜像的分层结构。镜像由多个只读层组成，每个层都包含一个或多个文件。这种分层结构使得镜像的存储和传输变得高效。 9. 第九张图展示了Docker容器的生命周期。容器可以通过创建、启动、停止和销毁等命令来管理。这使得容器的维护和管理变得简单。 10. 第十张图展示了Docker容器的应用场景。Docker容器广泛应用于开发、测试、部署和运维等领域。它可以提供一致的开发和运行环境，简化了应用程序的管理和交付过程。 通过这十张图，希望能让大家更深入地理解Docker容器和镜像的概念、特性和应用。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值