找到最相关的记忆——“用户喜欢喝拿铁”。 增强:Agent 将检索到的记忆作为上下文,连同用户的问题一起发送给LLM (例如,“用户问‘帮我推荐一款咖啡”,已知信息:用户喜欢喝拿铁")。 生成:LLM基于增强后的上下文,生成个性化的回答:“根据您的偏好,或 许一杯经典的拿铁是个不错的选择。” 核心组件:向量数据库是实现RAG和长期记忆的关键基础设施。2025年, 市场上有多种成熟的向量数据库方案可供选择。 起了一个动态、立体的记忆系统,使其每一次交互都比上一次更加“聪明”和“懂 2.6多智能体系统(Multi-AgentSystem, 单个AIAgent的能力再强,也终有其边界。当面对需要多种专业技能、涉及 复杂协作流程的企业级任务时,依靠单一的“全能型"Agent往往力不从心。于是, 多智能体系统(Multi-Agent System,MAS)应运而生。MAS的核心思想,是效 仿人类社会的公司或团队组织,将一个宏大的任务分解,交由一组具有不同角色、 不同能力的专用 Agent 协同完成,从而实现“1+1>2"的集体智能。