正在加载模式…
🪞
Self-RAG(SRAG)
具备自我反思能力的 RAG，能自适应地判断是否需要检索，并通过反思标记评估检索质量
复杂度: high知识检索（RAG）
30秒速览
- 是什么
- 智能体自行判断是否需要检索外部知识，评估检索内容的质量，并在响应前对自身输出进行评估，整个过程由反思标记来引导这些决策。
- 何时使用
- 需要事实准确性且智能体置信度波动较大的任务，或检索成本敏感、希望跳过不必要查询的场景。
- 注意
- 反思标记会增加延迟和成本；校准不当会导致智能体在不该检索时检索，在该检索时反而跳过。
向AI专家咨询此模式
打开助手并预填您的问题,发送前可先确认。
Self-RAG: 概览
具备自我反思能力的 RAG，能自适应地判断是否需要检索，并通过反思标记评估检索质量
- Retrieval necessity prediction
- Retrieved content evaluation
- Output quality assessment
- Self-correction mechanisms
- Reflection tokens
- Adaptive retrieval strategies
The Agent Architect
每周一个模式、一个权衡、一个生产事故案例。为构建智能体系统的人准备的每周简报。
每周一封邮件,一键退订。您的地址仅用于发送简报。
参考资料
该模式所依据的论文、规范和代码仓库。
- Self-RAG: Learning to Retrieve, Generate, and Critique through Self-Reflection (Asai et al., 2023)arXiv:2310.11511
- SELF-REFINE: Iterative Refinement with Self-Feedback (Madaan et al., 2023)arXiv:2303.17651
- Retrieval-Augmented Generation for Knowledge-Intensive NLP Tasks (Lewis et al., 2020)arXiv:2005.11401
- Self-RAG Official Implementation: Reflection Token Training
- Constitutional AI: Harmlessness from AI Feedback (Bai et al., 2022)arXiv:2212.08073
由本目录背后的工程师执行
为你的智能体架构做一次评审
本页讲的是一个模式。真实系统会同时跑几十个，而多数故障恰恰出在它们的衔接处。我们按本目录的 288 个模式评审你的整体设计：架构、可靠性、评测与成本，每一条结论都对应到能修复它的模式。
€750（原价 €1,500），一周交付，书面报告加讲解通话，9月30日前