传统RAG与Agentic RAG的核心区别在于能否执行"动作"。传统RAG仅能进行语义匹配，适合概念说明类场景；而Agentic RAG能执行条件查询等动作，适合数据分析类场景。传统RAG类似自然语言中的名词（需要说），Agentic RAG类似动词（需要做）。在实际应用中，两种技术各有优势，可根据问题类型灵活选用。本质上，Agentic RAG在传统RAG基础上增加了筛选动作，但仍可结合相似度计算作为召回方式。
“传统RAG和Agentic RAG的主要区别就是在于是否能执行“动作”。”
我们都知道基础RAG是基于语义检索的知识增强技术，但由于复杂的语义环境，很多时候基于简单的语义检索并不能很好的解决我们的问题。
比如说我想查一下今年的就业情况，注意如果是基于基础RAG的语义检索，模型理解的更多的是与经济，就业相关的概念，政策性等内容；但我们实际需要的是真实的统计局的就业情况数据。前者注重的是概念，后者注重的是动作。
这就是传统RAG的严重缺陷——只能进行语义匹配，而无法进行条件查询；语义匹配和条件查询的区别，一个是模糊匹配，一个是条件过滤；是两种完全不同的动作，纯rag最大的问题就是无法准确理解用户的问题/意图，到底是一个问题，还是一个动作。
RAG需要区分概念和动作
在自然语言中，语言有很多不同的词性，而这些词性往往代表着不同的意义；而最典型的两种词性就是名词和动词，因为其代表着两种完全不同的状态，前者需要说，后者需要做。
而传统RAG就是类似于自然语言中的名词，而Agentic RAG就类似于自然语言中的动词。
虽然都是RAG技术，但由于其具体的特性导致这两种技术方案适合两种不同的典型场景。
一个是概念说明类场景，如产品介绍，功能说明，文档检索等场景；这些场景中，由于主要涉及的都是概念性问题，因此基于相似度的语义理解天生就适合这种场景。
但在基于查数据这种动态场景，其更多偏向的是数据分析方面的内容；而这种就需要能够根据用户输入的内容来判断用户的意图到底是想了解概念，还是想查询数据。
而后者这种查询数据的动作，可能需要调用API或生成SQL语句等方式来查询数据；而了解过人工智能应用的朋友应该都知道，大模型本身是没有行动能力的，而传统RAG也同样如此。
但基于大模型构建的智能体却具备基础的行动能力，这就为查数据这个动作赋予了可能。
事实上在实际的业务场景中，我们既需要传统RAG的技术，也需要Agentic RAG这种主动式RAG的技术；因为很多场景下，用户的问题既有简单的概念性问题，也有复杂的数据分析问题。
其实说传统RAG和Agentic RAG是两种不同的技术方案，不如说其是人类真实世界中在技术层面的映射；从本质上来说，不论是传统RAG，还是Agentic RAG都属于检索技术，但Agentic RAG会多了一步筛选的动作，这个动作就是条件查询；但在Agentic RAG第一步筛选之后，同样可以使用相似度计算的方式作为一种召回方式。
如何学习大模型 AI ？
由于新岗位的生产效率，要优于被取代岗位的生产效率，所以实际上整个社会的生产效率是提升的。
但是具体到个人，只能说是：
“最先掌握AI的人，将会比较晚掌握AI的人有竞争优势”。
这句话，放在计算机、互联网、移动互联网的开局时期，都是一样的道理。
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。
我意识到有很多经验和知识值得分享给大家，也可以通过我们的能力和经验解答大家在人工智能学习中的很多困惑，所以在工作繁忙的情况下还是坚持各种整理和分享。但苦于知识传播途径有限，很多互联网行业朋友无法获得正确的资料得到学习提升，故此将并将重要的AI大模型资料包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。
这份完整版的大模型 AI 学习资料已经上传CSDN，朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】
为什么要学习大模型？
我国在A大模型领域面临人才短缺,数量与质量均落后于发达国家。2023年，人才缺口已超百万，凸显培养不足。随着AI技术飞速发展，预计到2025年,这一缺口将急剧扩大至400万,严重制约我国AI产业的创新步伐。加强人才培养,优化教育体系,国际合作并进是破解困局、推动AI发展的关键。
大模型入门到实战全套学习大礼包
1、大模型系统化学习路线
作为学习AI大模型技术的新手，方向至关重要。 正确的学习路线可以为你节省时间，少走弯路；方向不对，努力白费。这里我给大家准备了一份最科学最系统的学习成长路线图和学习规划，带你从零基础入门到精通！
2、大模型学习书籍&文档
学习AI大模型离不开书籍文档，我精选了一系列大模型技术的书籍和学习文档（电子版），它们由领域内的顶尖专家撰写，内容全面、深入、详尽，为你学习大模型提供坚实的理论基础。
3、AI大模型最新行业报告
2025最新行业报告，针对不同行业的现状、趋势、问题、机会等进行系统地调研和评估，以了解哪些行业更适合引入大模型的技术和应用，以及在哪些方面可以发挥大模型的优势。
4、大模型项目实战&配套源码
学以致用，在项目实战中检验和巩固你所学到的知识，同时为你找工作就业和职业发展打下坚实的基础。
5、大模型大厂面试真题
面试不仅是技术的较量，更需要充分的准备。在你已经掌握了大模型技术之后，就需要开始准备面试，我精心整理了一份大模型面试题库，涵盖当前面试中可能遇到的各种技术问题，让你在面试中游刃有余。
适用人群
第一阶段（10天）：初阶应用
该阶段让大家对大模型 AI有一个最前沿的认识，对大模型 AI 的理解超过 95% 的人，可以在相关讨论时发表高级、不跟风、又接地气的见解，别人只会和 AI 聊天，而你能调教 AI，并能用代码将大模型和业务衔接。
- 大模型 AI 能干什么？
- 大模型是怎样获得「智能」的？
- 用好 AI 的核心心法
- 大模型应用业务架构
- 大模型应用技术架构
- 代码示例：向 GPT-3.5 灌入新知识
- 提示工程的意义和核心思想
- Prompt 典型构成
- 指令调优方法论
- 思维链和思维树
- Prompt 攻击和防范
- …
第二阶段（30天）：高阶应用
该阶段我们正式进入大模型 AI 进阶实战学习，学会构造私有知识库，扩展 AI 的能力。快速开发一个完整的基于 agent 对话机器人。掌握功能最强的大模型开发框架，抓住最新的技术进展，适合 Python 和 JavaScript 程序员。
- 为什么要做 RAG
- 搭建一个简单的 ChatPDF
- 检索的基础概念
- 什么是向量表示（Embeddings）
- 向量数据库与向量检索
- 基于向量检索的 RAG
- 搭建 RAG 系统的扩展知识
- 混合检索与 RAG-Fusion 简介
- 向量模型本地部署
- …
第三阶段（30天）：模型训练
恭喜你，如果学到这里，你基本可以找到一份大模型 AI相关的工作，自己也能训练 GPT 了！通过微调，训练自己的垂直大模型，能独立训练开源多模态大模型，掌握更多技术方案。
到此为止，大概2个月的时间。你已经成为了一名“AI小子”。那么你还想往下探索吗？
- 为什么要做 RAG
- 什么是模型
- 什么是模型训练
- 求解器 & 损失函数简介
- 小实验2：手写一个简单的神经网络并训练它
- 什么是训练/预训练/微调/轻量化微调
- Transformer结构简介
- 轻量化微调
- 实验数据集的构建
- …
第四阶段（20天）：商业闭环
对全球大模型从性能、吞吐量、成本等方面有一定的认知，可以在云端和本地等多种环境下部署大模型，找到适合自己的项目/创业方向，做一名被 AI 武装的产品经理。
- 硬件选型
- 带你了解全球大模型
- 使用国产大模型服务
- 搭建 OpenAI 代理
- 热身：基于阿里云 PAI 部署 Stable Diffusion
- 在本地计算机运行大模型
- 大模型的私有化部署
- 基于 vLLM 部署大模型
- 案例：如何优雅地在阿里云私有部署开源大模型
- 部署一套开源 LLM 项目
- 内容安全
- 互联网信息服务算法备案
- …
学习是一个过程，只要学习就会有挑战。天道酬勤，你越努力，就会成为越优秀的自己。
如果你能在15天内完成所有的任务，那你堪称天才。然而，如果你能完成 60-70% 的内容，你就已经开始具备成为一名大模型 AI 的正确特征了。
（支持资料、图片参考_相关定制）_文章底部可以扫码)