中文字幕无码av不卡一区,亚洲综合AV永久无码精品一区二区,黑人巨大白妞出浆,黄色高清无码免费看,久久久久免费精品国产,久久无码人妻丰满熟妇区毛片,欧美日韩国产综合草草,久久福利网站,亚洲一区二区三区中文字幕在线,av国内精品久久久久影院

TFlow AI通過融合RAG問答系統與Agent框架，提供了一個創新的解決方案，旨在提高B端業務場景下的AI客服和導購應用的響應質量和準確性。本文將深入探討這一組合的優勢及其在實際應用中的表現，為讀者揭示如何利用先進技術優化客戶服務體驗。

實踐產品介紹，TFlow Ai是面向B端業務場景Agent平臺，能按流程處理任務（SOP），圍繞目標來進行離散推理。能快速搭建Ai客服、AI導購等應用。產品允許LLM與環境進行交互，根據環境數據的反饋不斷的調整行動計劃/策略。且整個sop的過程是由文本來控制。

基礎信息如下：

• 使用 文心一言 3.5的模型，未微調
• 做了邏輯處理的Agent框架
• 單條回復的消耗不到2K token。

一、為什么需要RAG+Agent的組合

當前Rag問答通常會存在較大的幻覺，模型容易基于自身知識進行胡編亂造。通常企業期望只基于知識庫內容進行解答，不亂發散。而我們發現Agent有很好的觀察、思考的機制。能有效的控制模型的發散問題

所以我們團隊將兩者進行融合來進行知識庫的問答，發現能很好的控制模型發散和幻覺，只用知識庫檢索的片段來回答。

RAG+Agent的優勢：

• 借助Agent觀察與思考，來理解檢索到的知識片段。
• 讓Agent（Re-Act）的要解決的問題、目標，進行針對性選擇和解答。

符合客戶訴求：對于to B的客服場景問答而言，提供準確可靠的信息是非常重要的。而Agent+Rag的組合能夠很好的讓模型，圍繞知識庫中與用戶提問相關的片段來回答。解決掉模型幻覺嚴重，過于發散，回答牛頭不對馬嘴的問題。

二、先來分別看下Rag和Agent的基本處理邏輯

Rag流程

常見rag問答

流程：

1. 問題向量化，檢索相似片段
2. 將“提示詞+用戶提問+check片段 ”打包發給大模型
3. 模型進行解答

問題：當check是用于補充模型的知識，當片段與問題不相關或不足以解釋問題時。模型容易基于自己的理解進行解答，從而胡編亂造。

Agent（Re-act）流程：

re-act agent處理邏輯

流程：

• 用戶：輸入問題
• 觀察：用戶輸入，工具數據的返回
• 思考：內容與問題、目標、流程的相關性
• 行動：回答用戶問題 / 調用工具補充信息

優勢：在Re-act模式下。Agent在解答問題時，會觀察用戶的提問、工具的返回，思考與用戶提問的相關性，通過提示詞約束后，可以始終圍繞著目標、要求來展開。

那當用戶提問時，借助Agent調用知識庫獲取片段問題的片段，再讓Agent來回答用戶的問題

三、融合Agent和Rag融合的方案&流程

OK，現在我們將兩個流程融合在一起。

• 讓Agent來處理用戶的提問，調用rag的能力，獲取chack片段進行觀察思考。
• 同時圍繞用戶的提問來進行解答
• 效果：從而規避掉check中不相關的問題和有干擾的內容，防止模型強行對check內容與用戶提問進行關聯

融合后的流程下：

Agent+Rag

處理流程示例：

用戶提問

1）Agent：第一輪處理理解用戶提問

1. Agent觀察：用戶提問
2. Agent思考：理解問題與提示詞（目標、任務流程等）關系
3. Agent行動：反寫用戶提問。調用知識庫工具

2）Rag：處理（處理部分）

1. 問題的向量化
2. 向量數據庫的檢索；
3. 返回檢索check

3）Agent：第二輪處理，處理知識庫片段內容

1. Agent觀察：知識庫返回的知識片段
2. Agent思考：理解知識庫片段與用戶問題、提示詞（目標、任務流程等）的關聯性與問題
3. Agent行動：回復

四、看下實際處理的結果

進行兩個提問：以某充電樁基于產品手冊用戶問答為例如

• 問題1:“如何充電”，知識庫有對應的答案片段 + 干擾片段
• 問題2:“充電政策是什么”，知識庫中沒有對應的答案片段，會返回不相關內容

問題處理的回復效果如下：

五、處理流程分析

1. 分析用戶提問：如何充電。知識庫返回對應的答案片段 + 干擾片段

第一輪agent處理過程：

1）觀察：如何充電

2）思考：用戶想要了解如何充電，這是一個關于產品使用的基本問題。

3）行動：

• 動作：調用知識庫
• 擴寫問題、補充關鍵信息：”充電樁如何充電”

知識庫處理

1）問題向量化：充電樁如何充電

2）檢索：檢索產品手冊向量庫

3）獲取片段：

• 片段1：# 分布式2路充電樁說明書。重要:充電樁安裝位置需要符合消防要求；設備需要定期巡檢。充電樁需同步安裝漏電保護裝置(建議20A)；電動車充電樁使用指南1XXXXXX；
• 片段2：# 免費充電時長設置 適應場景:所有場所，按鍵直充場景, 1.進入方法：通過菜單鍵設置進入，具體設置方法見電子版說明書–>按鍵部分；
• 片段3：# 充到飽套餐使用 注:部分設備有此功能 使用方法: 用微信或支付寶掃一掃設備二維碼，選擇【端口】–>【充滿自停】–>【開啟充電】使用規則: 此功能先扣費，充電結束后自動退回多余金額.

第二輪Agent思考處理：

1）觀察

2）用戶問題：充電樁如何充電

3）參考片段：

• 片段1：# 分布式2路充電樁說明書。重要:充電樁安裝位置需要符合消防要求；設備需要定期巡檢。充電樁需同步安裝漏電保護裝置(建議20A)；電動車充電樁使用指南XXXXXX；
• 片段2：# 免費充電時長設置 適應場景:所有場所，按鍵直充場景, 1.進入方法：通過菜單鍵設置進入，具體設置方法見電子版說明書–>按鍵部分；
• 片段3：# 充到飽套餐使用 注:部分設備有此功能 使用方法: 用微信或支付寶掃一掃設備二維碼，選擇【端口】–>【充滿自?！?#8211;>【開啟充電】使用規則: 此功能先扣費，充電結束后自動退回多余金額.

4）思考：根據知識庫的內容，以及用戶問題，充電的步驟是需要將充電插頭接入空閑插座，連接好插座后，選擇以下兩種方式之一啟動充電。掃碼充電:XXXXXX

5）行動：最終回復：根據您的提問，以下是關于如何充電的詳細步驟：

1. 將充電插頭接入空閑插座，連接好插座后，選擇以下兩種方式之一啟動充電。
2. 掃碼充電:連接好充電器后，用手機微信或支付寶掃一掃設備二維碼。第一步選擇剛才的插座端口，第二步選擇相應的金額，第三步點擊“開始充電”啟動充電。
3. 刷卡充電：連接好充電器后，用已授權且有余額的電卡，緊貼設備相應端口的刷卡區（距離小于5cm），聽到“刷卡成功”時，插座端口自動啟動充電。
4. 結束充電時，設備會通過微信或支付寶推送給付款人，并提示具體的充電結束扣費金額，充電時間，停止原因等信息。

2. 用戶提問：充電政策，知識庫沒有對應的答案

檢索出來的知識片段如下：

• 片段1:「1.5.高級設置1)通過設備詳情頁，可以進入高級設置，進行充電樁的一些參數設置高配版智能10路充電樁說明書重要：安裝位置需要符合消防要求，嚴禁安裝在公共門廳、疏散走道、樓梯間、安全出口，煙霧不得阻擋逃生通道。充電樁需同步安裝漏電保護裝置(建議20A)；露天安裝時插座和機箱需要防雨、防水; 設備需要定期巡檢?！?/li>
• 片段2：最后一個“1500”是終止充電功率，當充電功率大于此值時，設備會因為負載過大而停止充電。 示例電量計費設置: 設置1度電的計費基準，最小0.1元，最大9.99元。
• 片段3：6、免費充電設置按設置鍵切換到對應的功能，此時語音播報“免費充電設置”，顯示界面顯示“-P6-”。 按數字鍵0或者1（0：正常模式；1：免費充電模式），再按確鍵。 執行成功顯示“SUCC”,執行失敗顯示“FAIL”。 比如輸入：1+確認鍵，則打開免費充電功能。0+確認鍵，則關閉免費充電功能，切換到正常充電模式。

而Agent第二輪的思考過程

1）觀察

2）用戶問題：充電樁的充電政策

3）參考片段：

• 片段1:「1.5.高級設置1)通過設備詳情頁，可以進入高級設置，進行充電樁的一些參數設置高配版智能10路充電樁說明書重要：安裝位置需要符合消防要求，嚴禁安裝在公共門廳、疏散走道、樓梯間、安全出口，煙霧不得阻擋逃生通道。充電樁需同步安裝漏電保護裝置(建議20A)；露天安裝時插座和機箱需要防雨、防水; 設備需要定期巡檢。」
• 片段2：最后一個“1500”是終止充電功率，當充電功率大于此值時，設備會因為負載過大而停止充電。 示例電量計費設置: 設置1度電的計費基準，最小0.1元，最大9.99元。
• 片段3：6、免費充電設置 按設置鍵切換到對應的功能，此時語音播報“免費充電設置”，顯示界面顯示“-P6-”。 按數字鍵0或者1（0：正常模式；1：免費充電模式），再按確鍵。 執行成功顯示“SUCC”,執行失敗顯示“FAIL”。 比如輸入：1+確認鍵，則打開免費充電功能。0+確認鍵，則關閉免費充電功能，切換到正常充電模式。

4）思考：根據知識庫的返回，并沒有直接回答用戶關于“充電政策”的具體內容。

5）行動：最終回復：非常抱歉，關于充電政策的具體內容，我們的知識庫中并沒有直接的信息。但我可以告訴您，我們的充電樁安裝位置需要符合消防要求，嚴禁安裝在公共門廳、疏散走道、樓梯間、安全出口，并且需要同步安裝漏電保護裝置。如果您需要更詳細的信息，建議您查閱我們的產品手冊或聯系我們的客服部門

五、結論

綜上所述，我們可以看到，在Agent與rag結合后，借助Agent能給rag帶來好處

1）用戶問題的擴寫，補充用戶問題中缺失的部分；

• 例1：用戶詢問如何充電時，Agent會補充用戶提問中缺失的部分，讓問題更完整；

2）通過Agent觀察、思考機制，識別檢索結果中與問題相關的部分，進行針對性選擇內容來進行解答。不相關的內容不會強行關聯。核心關注與問題的相關性。

3）模型本身的知識，可以根據選擇來使用。示例中，提示詞要求模型只能基于知識庫回復進行解答。限制了模型本身自己的知識的發揮。

對于to B的客服場景問答而言，提供準確可靠的信息是非常重要的。

• Agent+Rag的組合能夠很好的讓模型，圍繞知識庫中與用戶提問相關的片段來回答。
• 從而解決掉模型幻覺嚴重，過于發散，回答牛頭不對馬嘴的問題。