【干货】一张图区分RAG三兄弟:RAG、Self-RAG、Agentic_RAG!

Gemini CLI使用教程:在命令行中释放AI的力量 Gemini CLI 是一个官方推出的命令行界面工具(Command-Line Interface),它让用户可以直接在电脑的终端(Terminal)或命令行窗口中,与 Google 的 Gemini 模型进行交互。 阅读详情

简介

文章通过三种比喻形象介绍了RAG技术的演进:基础RAG如同"三好学生",遵循固定流程;Self-RAG如"爱思考的学生",增加了自我反思机制提高可靠性;Agentic RAG则如"超级大脑",能够自主决策,灵活处理复杂任务。三者构成了RAG技术发展的核心脉络。


RAG(检索增强生成)这个词是不是经常刷到?但除了基础的RAG,还有Self-RAG和Agentic RAG,是不是听得有点晕?

别怕,今天用一张图带你秒懂这三者的区别,让你轻松get前沿知识!

基础版:RAG Pipeline

这就像一个“三好学生”,老老实实地走流程:

  • Query (提问) :你问一个问题。
  • Retrieval (检索) :它去海量资料库里找相关信息。
  • Reranking (重排) :找到一堆信息后,它会把最相关的挑出来,再交给语言模型(LLM)生成答案。

优点:简单直接,效率高。

缺点:有点死板,如果检索到的信息不准确,答案可能也会跑偏。

进阶版:Self-RAG (自我反思RAG)

这就像一个“爱思考”的学生,每一步都懂得自查。它最大的特点是引入了自我反思机制。

  • Retrieval (检索) :先找到信息。
  • Generation (生成) :生成答案。
  • Critique (反思) :它会问自己:“我找到的信息靠谱吗?我生成的答案能回答问题吗?”
  • 如果觉得不靠谱,它会重写问题(Query rewrite),重新检索,直到满意为止。

优点:生成答案更可靠,减少了幻觉(hallucination)的产生。

缺点:步骤更多,可能耗费更多时间和计算资源。

终极版:Agentic RAG (智能体RAG)

这简直就是一个“超级大脑”,像个智能体一样,会自己做决策。

  • Retrieve (检索) & Generation (生成) :这俩步是标配。
  • Decision Making (决策) :如果它觉得生成的结果不满意,它不会只傻傻地重写问题,而是可以走**“Ask LLM”(询问LLM)这条路,或者选择“Other or routes”**(其他路径),比如让LLM去执行其他任务或调用外部工具。

优点:灵活性和自主性极强,可以根据不同情况采取不同策略,处理更复杂、多样的任务。

缺点:开发难度大,流程复杂。

总结一下:

  • RAG:基础流程,简单高效。
  • Self-RAG:多了“自我反思”,更可靠。
  • Agentic RAG:像个“智能体”,会自己做决策,能力更强大。

:多了“自我反思”,更可靠。

  • Agentic RAG:像个“智能体”,会自己做决策,能力更强大。

理解这三者,你就抓住了RAG技术发展的核心脉络啦!快转发给你的AI搭子,一起学习进步吧!💪

AI大模型从0到精通全套学习大礼包

我在一线互联网企业工作十余年里,指导过不少同行后辈。帮助很多人得到了学习和成长。

只要你是真心想学AI大模型,我这份资料就可以无偿共享给你学习。大模型行业确实也需要更多的有志之士加入进来,我也真心希望帮助大家学好这门技术,如果日后有什么学习上的问题,欢迎找我交流,有技术上面的问题,我是很愿意去帮助大家的!

如果你也想通过学大模型技术去帮助就业和转行,可以扫描下方链接👇👇
大模型重磅福利:入门进阶全套104G学习资源包免费分享!
在这里插入图片描述

01.从入门到精通的全套视频教程

包含提示词工程、RAG、Agent等技术点
在这里插入图片描述
​

02.AI大模型学习路线图(还有视频解说)

全过程AI大模型学习路线

在这里插入图片描述
​在这里插入图片描述

03.学习电子书籍和技术文档

市面上的大模型书籍确实太多了,这些是我精选出来的

在这里插入图片描述
在这里插入图片描述

04.大模型面试题目详解

在这里插入图片描述

在这里插入图片描述

05.这些资料真的有用吗?

这份资料由我和鲁为民博士共同整理,鲁为民博士先后获得了北京清华大学学士和美国加州理工学院博士学位,在包括IEEE Transactions等学术期刊和诸多国际会议上发表了超过50篇学术论文、取得了多项美国和中国发明专利,同时还斩获了吴文俊人工智能科学技术奖。目前我正在和鲁博士共同进行人工智能的研究。

所有的视频由智泊AI老师录制,且资料与智泊AI共享,相互补充。这份学习大礼包应该算是现在最全面的大模型学习资料了。

资料内容涵盖了从入门到进阶的各类视频教程和实战项目,无论你是小白还是有些技术基础的,这份资料都绝对能帮助你提升薪资待遇,转行大模型岗位。

在这里插入图片描述
在这里插入图片描述

智泊AI始终秉持着“让每个人平等享受到优质教育资源”的育人理念‌,通过动态追踪大模型开发、数据标注伦理等前沿技术趋势‌,构建起"前沿课程+智能实训+精准就业"的高效培养体系。

课堂上不光教理论,还带着学员做了十多个真实项目。学员要亲自上手搞数据清洗、模型调优这些硬核操作,把课本知识变成真本事‌!

在这里插入图片描述
如果说你是以下人群中的其中一类,都可以来智泊AI学习人工智能,找到高薪工作,一次小小的“投资”换来的是终身受益!

应届毕业生‌:无工作经验但想要系统学习AI大模型技术,期待通过实战项目掌握核心技术。

零基础转型‌:非技术背景但关注AI应用场景,计划通过低代码工具实现“AI+行业”跨界‌。

业务赋能 ‌突破瓶颈:传统开发者(Java/前端等)学习Transformer架构与LangChain框架,向AI全栈工程师转型‌。

👉获取方式:
😝有需要的小伙伴,可以保存图片到wx扫描二v码免费领取【保证100%免费】🆓

在这里插入图片描述

LoRa无线网络技术概述 LoRa无线网络基础知识 阅读详情

相关推荐

LORA模型原理详解+分层控制使用

LoRA模型全称是:Low-Rank Adaptation of Large Language Models,可以理解为Stable-Diffusion中的一个插件,仅需要少量的数据就可以进行训练的一种模型。在生成图片时,LoRA模型会与大模型结合使用,从而实现对输出图片结果的调整。假如一张图片是由背景,服饰,脸型,躯干,姿态等等组成,我们可以训练LORA模型对这些进行微调,在大模型的基础上微调成自己想要的图片。简单理解就是大模型基础上额外增加一些训练层,在冻住大模型的基础上,训练lora模型。

天风的人工智能博客 1万+

什么是LoRA模型?如何使用和训练LoRA模型?你想要的都在这!

当我学到一定基础,有自己的理解能力的时候,会去阅读一些前辈整理的书籍或者手写的笔记资料,这些笔记详细记载了他们对一些技术点的理解,这些理解是比较独到,可以学到不一样的思路。虽然使用成型的LoRA很方便,但通常我们在生图的,可能很难找到完全匹配的,此时就需要我们自己动手训练了,毕竟自己动手丰衣足食,几个步骤简单为大家讲解如何训练~AIGC所有方向的技术点做的整理,形成各个领域的知识点汇总,它的用处就在于,你可以按照下面的知识点去找对应的学习资源,保证自己学得较为全面。下面是我们生成出来的一组图。

阿道夫的博客 1万+

Agentic RAG生产就绪指南:鲁棒性设计与三大落地模式

Agentic RAG并非单纯叠加LLM调用的智能流程,而是在不确定性中构建鲁棒决策链路的技术范式。其核心原理在于通过分层路由、自检验证与图谱增强等机制,实现故障可知、影响可控、恢复可期的工程化交付。技术价值体现在显著降低幻觉率、压缩单次查询成本、提升关键业务指标(如answer_relevancy与abstain_rate)的可测量性。典型应用场景覆盖金融合规问答、医疗知识辅助、企业内部搜索等高可靠性要求领域。本文聚焦真实生产环境中的鲁棒性设计哲学与经实战验证的Smart Routing、Self-Che

weixin_30363509的博客 364

AI 产品经理学习路线图!从入门到实战,学习清单大曝光(附教学视频)直接抄作业

想转型 AI 产品经理,却被 “算法、模型、项目” 搞得一头雾水?这套AI 产品经理学习清单,用 10 大模块搭建完整知识体系,从基础认知到项目实操全覆盖! 今天为你拆解核心内容,帮你高效规划学习路径,记得保存好了~

m0_63171455的博客 2614

RAG系统优化全攻略:从检索增强生成到生产级部署的20+实战技巧

检索增强生成(RAG)作为一种将大型语言模型的推理能力与外部知识库的精确性相结合的架构范式,其核心原理是通过检索、增强、生成三个关键阶段,有效解决模型的知识陈旧与事实幻觉问题。该技术的核心价值在于为通用大模型注入了实时、准确的领域知识,从而在智能客服、知识库问答、内容创作等应用场景中发挥巨大作用。本文深入探讨了RAG流水线的优化策略,涵盖了文档分割、向量化模型选型、混合检索、查询扩展等关键技术环节,并特别针对生产环境中的Agentic RAG架构与系统化评估方法提供了实践指南。通过优化索引构建与检索策略,开

weixin_30458043的博客 413

LabVIEW新手必看:5分钟搞定S7-1200 OPC通信(附完整配置截图)

本文详细介绍了LabVIEW与西门子S7-1200 PLC通过OPC通信实现工业监控系统的完整配置流程。从环境准备、PLC数据块配置到OPC Server高级设置,逐步指导新手快速建立稳定通信链路,并分享工业级应用的优化技巧和异常处理方案,帮助用户提升自动化系统集成效率。

rl6adventurer的博客 641

全球开源大模型生态-从开放权重到开放智能系统:发展、进展、主力模型成就与方向分析

本文系统梳理截至2026年全球大模型开源生态的最新进展,覆盖中国、美国、欧洲及中东主要模型、技术路线与产业力量,重点比较开放权重、许可协议、模型能力、部署成本、长上下文、多模态、推理及智能体等关键维度。文章客观总结各主力开源模型的代表性成就,分析MoE、强化学习推理、端侧部署、工具调用和开放科学的发展趋势,并从企业选型、生态竞争、合规风险与未来演进角度提出判断,为研究者、开发者、投资者及产业决策者提供一份可检索、可比较、可落地的全球开源大模型全景参考。

曾经“等你生日那天”都遥远得像未来,如今却可欢愉的挥手说“下个十年见” 2万+

深入解析LVDS电平标准在LCD屏接口设计中的关键作用

本文深入解析了LVDS电平标准在LCD屏接口设计中的核心作用。文章不仅阐释了LVDS低电压差分信号的工作原理、关键电气参数及抗噪优势,还详细对比了VESA与JEIDA两种主流数据格式,并提供了从PCB布局布线到信号调试的实战避坑指南,是确保高速、稳定显示的关键技术参考。

weixin_28419039的博客 334

什么是LoRA模型,如何使用和训练LoRA模型?你想要的都在这!

LoRA的全称是,可以理解为stable diffusion(SD)模型的一种插件,和hyper-network,controlNet一样,都是在不修改SD模型的前提下,利用少量数据训练出一种画风/IP/人物,实现定制化需求,所需的训练资源比训练SD模要小很多,非常适合社区使用者和个人开发者。LoRA最初应用于NLP领域,用于微调GPT-3等模型(也就是ChatGPT的前生)。

yang7711的博客 3万+

Android Camera性能优化概述

做camera性能优化方面的工作有几年了,想写一篇文章简单介绍一下其中涉及到的具体技术,这篇文章会大概介绍一下涉及到的技术。

weixin_42136255的博客 4023

Mac 环境配置jdk、Maven

3、终端打开配置jdk时候建好的脚本文件: open -e .bash_profile。4、查看maven是否安装成功和系统能不能识别maven/mvn命令:⬇️。输入⬇️并保存: 其中第一行JAVA_HOME替换为自己下的jdk路径。,安装编译好的二进制版本,具体安装zip还是tar.gz我看的。5、查看jdk是否安装成功和系统能不能识别java命令:⬇️。至此,我的Mac系统的环境配置jdk、Maven完成!然后就发现我的maven命令还是没作用,不识别,下载后直接安装即可,很快,点几下就OK了。

weixin_42416791的博客 4402

【AIGC】深入理解 LORA模型

LORA模型是一种神经网络模型,它通过学习可以自动调整神经网络中各层之间的权重,以提高模型的性能。本文将深入探讨LORA模型的原理、应用场景、优缺点等方面。

零碎@流年絮语 的博客 2万+

海康工业相机BayerRG8转BGR8实战:手把手教你用OpenCV实现高效图像转换

本文详细解析了海康工业相机BayerRG8格式到BGR8格式的高效转换实战。针对工业视觉项目中高帧率、大分辨率场景下的性能瓶颈,文章对比了海康SDK原生方案与OpenCV多种转换方法的优劣,并提供了从基础实现到高级优化(如多线程流水线、内存管理、SIMD指令集应用)的完整代码示例与性能调优策略,帮助开发者构建稳定、高效的图像处理系统。

weixin_29237635的博客 524

新鲜出炉,手把手教你使用 Gemini CLI

Gemini CLI 是 google 推出的基于 Gemini 2.5 Pro 模型的开源命令行界面工具,和 claude code 体验比较接近,但是是开源的,源码开放在,已经有 25.1K star,377 个 issue,1.7K Fork, 77个 Pull requests (截止2025-6-25日晚),非常活跃,采用的是 Apache 2.0 许可证。为什么这 2 天更大专业介绍 AI 编程的大佬都在写文章推荐 Gemini CLI 呢?

燕十三的物联网之旅 1万+

C++面向对象编程-继承与派生练习题

2、共同派生类 3、人员类Person的派生(虚基类的使用)

编程小鹏的博客 1193

挖矿病毒解决实例(隐藏进程,文章较好)(入侵)

CPU起飞了 最近有朋友在群里反馈,自己服务器的CPU一直处于高占用状态,但用top、ps等命令却一直找不到是哪个进程在占用,怀疑中了挖矿病毒,急的团团转。 根据经验,我赶紧让他看一下当前服务器的网络连接,看看有没有可疑连接,果然发现了有点东西: 上Shodan查一下这IP地址: 反向查找,发现有诸多域名曾经解析到这个IP地址: 这是一个位于德国的IP地址,开放了4444,5555,7777等数个特殊的服务端口: 其中这位朋友服务器上发现的连接到的是7777端口,

墨痕诉清风的博客 1万+

LORA详解(史上最全)

LoRA 模型是一种Stable Diffusion模型的小型模型,通过对标准检查点模型进行微小更改来实现。它们的大小通常比检查点模型小 10 到 100 倍,这使得它们对于拥有大量模型的人非常有吸引力。LoRA(Low-Rank Adaptation)是一种用于微调Stable Diffusion模型的训练技术。但我们已经有了其他的训练技术,例如 Dreambooth 和 文本反转。那么 LoRA 有何特别之处呢?LoRA 在文件大小和训练能力之间取得了良好的平衡。

吉米_王 12万+

Coze智能体开发:开始使用扣子

扣子全新升级!它不仅能帮你办公、做视频、写代码,更具备自主任务执行、探索进化等能力,真正从“陪你聊”走向“帮你干活”。

王国平的博客 124

LoRA模型是什么?

LoRA(Low-Rank Adaptation of Large Language Models,大型语言模型的低秩适应)是微软研究员提出的一种新颖技术,旨在解决微调大型语言模型的问题。研究人员发现,通过专注于大型语言模型的Transformer注意力块,LoRA的微调质量与完整模型的微调相当,同时速度更快,计算需求更低。训练权重更小,因为原始模型被冻结,我们注入新的可训练层,可以将新层的权重保存为一个约3MB大小的文件,比UNet模型的原始大小小了近一千倍。

常备不懈 2万+

pscad IEEE标准系统搭建说明

pscad IEEE标准系统搭建说明,包含典型的IEEE 9节点、14节点、30节点、39节点和118节点系统。内含标准测试系统的原始数据和潮流结果。

VC中sqlite的使用

在VC中对sqlite的使用,实现数据库大批数据的快速插入,读取数据库中的数据在ListCtrl中显示

什么是“LoRA 模型”

这些结果表明,LoRA 是一种非常有前途的新技术,可以有效地训练大型语言模型,并提高模型在各种任务上的性能。总之,LoRA 模型是一种低秩适应的训练方法,用于加速大型语言模型的训练,并降低内存消耗。为了解决这个问题,微软的研究人员于 2021 年提出了 LoRA(低秩适应)模型,它是一种训练方法,可以加速大型语言模型的训练,并且具有更低的内存消耗。LoRA 库的 GitHub 存储库:如果你是一个开发者,对 LoRA 模型的实现和代码感兴趣,你可以查看微软团队开发的 LoRA 库的 GitHub 存储库(

z306417888的专栏 6914

IEM模型,地表粗糙度模拟

利用微波反演土壤水分时候,利用IEM模型可以实现对随机地表的模拟

LORA通信详解

LORA是一种无线通信技术,采用了扩频调制技术(Spread Spectrum),通过扩展信号的带宽来提高传输距离和抗干扰能力。LORA能够在低功耗的情况下实现长距离的数据传输,适合用于需要长期稳定运行的设备,如传感器和远程监控系统。LORA工作在ISM(工业、科学和医疗)频段,常见的频段包括868 MHz(欧洲)、915 MHz(美国)和433 MHz(中国)。其主要优势在于超长距离的通信能力、低功耗特性以及较强的信号抗干扰能力。

Actkeying的博客 1万+

怀旧版电脑GBC模拟器

再现原版GBC掌机的界面,电脑运行连游戏界面都一样大小,很怀旧,很真实,(英文版)强烈推荐,很小的文件,很难才找到的。

理解Lora微调只需一个公式

Lora(Low-Rank Adaptation)是一种新的模型微调技术[1].,通过在预训练模型的基础上引入低秩矩阵,实现高效、快速的模型适配。Lora在保持预训练模型性能的同时,大大减少了微调所需的计算资源和存储空间,使得在资源有限的情况下也能够进行高质量的模型微调。一、前置知识1.什么是微调,为什么要微调微调(Fine-tuning)是指在一个已经训练好的模型基础上,针对新的任务或数据,进行少量的训练,以适应新的需求。

m0_59163425的博客 5029

【物联网】Lora简介

oRa的目的是为了解决功耗与传输难覆盖距离的矛盾问题。通常,低功耗的无线方式传输距离较近,而高功耗的无线方式则传输距离较远。然而,LoRa技术的出现打破了这一常规,它在低功耗的条件下实现了远距离的传输,为物联网(IoT)应用提供了强有力的支持。

大雨淅淅的博客 5856

大语言模型微调实践——LoRA 微调细节

1. 引言近年来人工智能领域不断进步,大语言模型的崛起引领了自然语言处理的革命。这些参数量巨大的预训练模型,凭借其在大规模数据上学习到的丰富语言表示,为我们带来了前所未有的文本理解和生成能力。然而,要使这些通用模型在特定任务上发挥出色,还需借助微调技术。大语言模型的微调技术已经成为自然语言处理领域的一个焦点,其不断的演化和创新正引领着我们进入一个更加精细、个性化的文本处理时代。在本文中,我们将选取...

LF_AI的博客 6536

【StableDiffusion教程】一篇文章带你搞懂LoRA模型

LoRA模型是一种微调模型,它不能独立生成图片,常常用作大模型的补充,用来生成某种特定主体或者风格的图片。

A2421417624的博客 2078

一文看懂LoRA:AI大模型轻量微调技术全解(原理+应用+挑战)

随着基础模型规模不断扩大,传统微调方法计算成本高。LoRA 技术应运而生,它能高效微调基础模型且计算开销小。这一技术在多个领域广泛应用,对推动人工智能发展、提升模型适应性意义重大。

Android_XG的博客 3378
上一篇: (2025最新最全)年AI大模型学习路线:从新手到高手,一篇搞定所有知识点!
下一篇: 超过DeepSeek_R1,追平GPT5!百度文心X1.1深度评测:从技术原理到实战应用的全方位解析!【大模型学习】
智泊AI官方
博客等级 码龄6年 8638粉丝 2667原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
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