微信扫码
与创始人交个朋友
我要投稿
背景
图:Agentic-RAG系统示例
而基于 AI 智能体的 RAG 系统(以下简称 Agentic-RAG )恰好可以解决传统 RAG 在灵活性上的不足,它通过将多个不同类别的 RAG 检测器,以工具的形式集成在 AI 智能体中,让 AI 智能体根据用户的请求,判断是否需要调用 RAG 搜索上下文,以及调用哪个 RAG 工具进行检索,例如在回答一个历史相关的问题时,Agentic-RAG 就会优先在历史类的 RAG 检索器中搜索答案,又或是在回答一个涉及数学计算的问题时,Agentic-RAG 则不会使用 RAG,而是调用数据计算相关的工具,甚至如果 LLM 本身具备一定的数据运算能力话,则完全不需要调用外部工具,直接输出答案。当然我们也可以将 RAG 和其他外部工具结合起来,协同解决更复杂的问题,如上图所示,在这个过程中,AI智能 体会将任务拆解后,在每个步骤中分别调用不同的工具,或是 RAG 组件来输出最终答案。接下来我们就一起看下如何利用 OpenVINO™ 和 LlamaIndex 工具来构建一个 Agentic-RAG 系统。
完整示例:
https://github.com/openvinotoolkit/openvino_notebooks/blob/latest/notebooks/llm-rag-llamaindex/llm-rag-llamaindex.ipynb
第一步:模型转换与量化
LLM 和 Embedding 模型是 RAG系统 中必要的组件,这里我们可以通过 Optimum-intel CLI 分别把他们转化为 OpenVINO™ 的 IR 格式,并进行量化压缩。
安装方法:
pip install optimum[openvino]
LLM:
optimum-cli export openvino --model {llm_model_id} --task text-generation-with-past --trust-remote-code --weight-format int4 {llm_model_path}
Embedding:
optimum-cli export openvino --model {embedding_model_id} --task feature-extraction {embedding_model_path}
第二步:模型任务初始化
目前基于 OpenVINO™ 的 LLM,Embedding 以及 Reranker 任务均已被集成在 LlamaIndex 框架中,开发者可以非常方便地利用导出的 LLM 和 Embedding 模型,将这两类任务在 LlamaIndex 中进行初始化。
安装方法:
pip install llama-index llama-index-llms-openvino llama-index-embeddings-openvino
LLM:
from llama_index.llms.openvino import OpenVINOLLM
llm = OpenVINOLLM(
model_name=str(llm_model_path),
tokenizer_name=str(llm_model_path),
context_window=3900,
max_new_tokens=1000,
model_kwargs={"ov_config": ov_config},
device_map=llm_device.value,
completion_to_prompt=completion_to_prompt,
)
Embedding:
from llama_index.embeddings.huggingface_openvino import OpenVINOEmbedding
embedding = OpenVINOEmbedding(folder_name=embedding_model_path, device=embedding_device.value)
第三步:构建RAG工具
接下来我们可以利用初始化后的 LLM 以及 Embedding 组件来构建 RAG 工具。第一步需要在 LlamaIndex 创建一个标准的 RAG 检索引擎,为了方便演示,该检索器仅使用默认的向量相似度搜索方式进行上下文过滤,如果想了解更完整的 RAG 搭建方法,可以参考 OpenVINO™ notebooks 仓库中的另一个示例:
https://github.com/openvinotoolkit/openvino_notebooks/tree/latest/notebooks/llm-rag-llamaindex
from llama_index.readers.file import PyMuPDFReader
from llama_index.core import VectorStoreIndex, Settings
from llama_index.core.tools import FunctionTool
Settings.embed_model = embedding
Settings.llm = llm
loader = PyMuPDFReader()
documents = loader.load(file_path=text_example_en_path)
index = VectorStoreIndex.from_documents(documents)
query_engine = index.as_query_engine(similarity_top_k=2)
在完成 RAG 检索引擎创建后,可以直接调用 LlamaIndex 的接口将它包装为一个 Agent 的工具,如下所示,同时需要添加对该工具的描述,以便 LLM 判断在什么时候调用什么工具。
from llama_index.core.tools import QueryEngineTool
budget_tool = QueryEngineTool.from_defaults(
query_engine,
name="Xeon6",
description="A RAG engine with some basic facts about Intel Xeon 6 processors with E-cores",
)
此外,为了演示 Agentic-RAG 对于复杂任务的拆解与多工具间的路由能力,我们还可以再准备两个单独的数学运算工具,供 LLM 选择。
def multiply(a: float, b: float) -> float:
"""Multiply two numbers and returns the product"""
return a * b
multiply_tool = FunctionTool.from_defaults(fn=multiply)
def add(a: float, b: float) -> float:
"""Add two numbers and returns the sum"""
return a + b
add_tool = FunctionTool.from_defaults(fn=add)
第四步:构建 Agent 任务流水线
因为该示例中用到的 Llama3 还不支持 Function-call,所以这里我们可以创建了一个基于 ReAct 的 Agent 。在 LlamaIndex中搭建 Agent 流水线只需要一行代码,通过 ReAct Agent.from_tools 接口可以创建一个基础的 ReAct Agent ,并将刚才定义好的工具及 LLM 组件绑定到该 Agent 中。
agent = ReActAgent.from_tools([multiply_tool, add_tool, budget_tool], llm=llm, verbose=True)
接下来可以测试下效果,我们向 Agent 咨询了关于“4颗第六代 Xeon CPU 最大线程数“的问题,可以看到 Agent 首先会调用 Xeon 6 的 RAG 系统查询单颗 CPU 支持的最大线程数,然后再调用数学运算工具将获得的线程数乘以4,最后将得到的数字反馈给用户。
response = agent.chat("What's the maximum number of cores in an Intel Xeon 6 processor server with 4 sockets ? Go step by step, using a tool to do any math.")
Thought: The current language of the user is English. I need to use a tool to help me answer the question.
Action: Xeon6
Action Input: {'input': 'maximum cores in a single socket'}
Observation:
According to the provided context information, the maximum cores in a single socket is 144.
Thought: The current language of the user is English. I need to use a tool to help me answer the question.
Action: multiply
Action Input: {'a': 144, 'b': 4}
Observation: 576
Thought: The current language of the user is English. I can answer without using any more tools. I'll use the user's language to answer
Answer: The maximum number of cores in an Intel Xeon 6 processor server with 4 sockets is 576.
OpenVINO™
总结和展望
通过将 Agent 和 RAG 进行结合,我们直接提升 LLM 在解决复杂任务时的能力,相较于传统的 RAG,Agentic-RAG 更具产业落地价值。同时随着多智能体方法的引入,基于 Agent 的 RAG 将逐步取代传统 RAG 系统,实现更灵活,更精确的大语言模型应用业务体系。
53AI,企业落地应用大模型首选服务商
产品:大模型应用平台+智能体定制开发+落地咨询服务
承诺:先做场景POC验证,看到效果再签署服务协议。零风险落地应用大模型,已交付160+中大型企业
2024-11-24
RAGChecker:显著超越RAGAS,一个精细化评估和诊断 RAG 系统的创新框架
2024-11-23
FastRAG半结构化RAG实现思路及OpenAI O1-long COT蒸馏路线思考
2024-11-23
检索增强生成(RAG):解密AI如何融合记忆与搜索
2024-11-23
如何提高RAG系统准确率?12大常见痛点及巧妙解!
2024-11-23
RAG 2.0性能提升:优化索引与召回机制的策略与实践
2024-11-22
RAG技术在实际应用中的挑战与解决方案
2024-11-22
从普通RAG到RAPTOR,10个最新的RAG框架
2024-11-22
如何使用 RAG 提高 LLM 成绩
2024-07-18
2024-05-05
2024-07-09
2024-05-19
2024-07-09
2024-06-20
2024-07-07
2024-07-07
2024-07-08
2024-07-09
2024-11-06
2024-11-06
2024-11-05
2024-11-04
2024-10-27
2024-10-25
2024-10-21
2024-10-21