图解 AI 核心技术：大模型、RAG、智能体、MCP

简介

本文整理了来自 Daily Dose of Data Science 最热门或最新的文章，其中极具特色的动图以生动形象的方式，帮助我们更好的理解 AI 中的一些核心技术，希望能够帮助大家更好的理解和使用 AI。

大模型

Transformer vs. Mixture of Experts

混合专家 (MoE) 是一种流行的架构，它使用不同的“专家”来改进 Transformer 模型。

下图解释了它们与 Transformers 的区别。

• Transformer 使用前馈网络。

• MoE 使用专家，它们是前馈网络，但与 Transformer 中的网络相比规模较小。在推理过程中，会选择一部分专家。这使得 MoE 中的推理速度更快。

Fine-tuning LLMs

传统的微调（如下图所示）对于 LLM 来说是不可行的，因为这些模型具有数十亿个参数并且大小为数百 GB，并且并非每个人都可以使用这样的计算基础设施。

值得庆幸的是，今天我们有许多最佳方法来微调 LLM，下面描述了五种流行的技术：

• LoRA ：添加两个低秩矩阵 A ，以及 B 包含可训练参数的权重矩阵。无需进行微调 W，只需调整这些低秩矩阵中的更新即可。

• LoRA-FA ：虽然 LoRA 显著减少了可训练参数的总量，但它仍然需要大量的激活记忆来更新低秩权重。LoRA-FA（FA 代表 Frozen-A）会冻结矩阵，A 并且仅更新矩阵 B。

• VeRA ：在 LoRA 中，每一层都有一对不同的低秩矩阵 A 和 B，并且这两个矩阵都经过训练。然而，在 VeRA 中，矩阵 A 和 B 是冻结的、随机的，并在所有模型层之间共享。VeRA 专注于学习较小的、特定于层的缩放向量，记为 b 和 d，它们是此设置中唯一可训练的参数。

• Delta-LoRA ：除了训练低秩矩阵之外，W 还会对矩阵进行调整，但不是以传统方式。相反，将两个连续训练步骤中低秩矩阵乘积与之间的差值（或增量）A 添加 B 到 W。

• LoRA+ ：在 LoRA 中，矩阵 A 和 B 都以相同的学习率更新。作者发现，为矩阵设置更高的学习率 B 可以获得更优的收敛效果。

RAG（检索增强生成）

传统 RAG

传统 RAG 系统存在以下一些问题：

• 这些系统检索一次，生成一次。这意味着如果检索到的上下文不够，LLM 就无法动态搜索更多信息。

• RAG 系统可以提供相关的上下文，但无法通过复杂的查询进行推理。如果查询需要多个检索步骤，传统的 RAG 就显得力不从心了。

• 适应性较差。LLM 无法根据实际问题调整策略。

Agentic RAG

Agentic RAG 的工作流程如下：

如上所示，我们的想法是在 RAG 的每个阶段引入代理行为。

我们可以把智能体想象成能够主动思考任务的人——规划、调整、迭代，直到找到最佳解决方案，而不仅仅是遵循既定的指令。LLM 的强大功能使这一切成为可能。

让我们逐步理解这一点：

• 步骤 1-2）用户输入查询，代理重写它（删除拼写错误，简化嵌入等）

• 步骤 3）另一个代理决定是否需要更多细节来回答查询。

• 步骤 4）如果不是，则将重写的查询作为提示发送给 LLM。

• 步骤 5-8) 如果答案是肯定的，另一个代理会查看其可以访问的相关资源（矢量数据库、工具和 API 以及互联网），并决定哪个资源有用。检索相关上下文并将其作为提示发送给 LLM。

• 步骤 9）以上两条路径中的任意一条都会产生响应。

• 步骤 10）最后一个代理检查答案是否与查询和上下文相关。

• 步骤 11）如果是，则返回响应。

• 步骤 12）如果不是，则返回步骤 1。此过程持续几次迭代，直到系统承认它无法回答查询。

这使得 RAG 更加稳健，因为在每一步中，代理行为都能确保个体结果与最终目标保持一致。

Corrective RAG

Corrective RAG（CRAG）是改进 RAG 系统的常用技术。它引入了对检索到的文档进行自我评估的步骤，有助于保留生成的响应的相关性。

以下是其工作原理的概述：

• 首先根据用户查询搜索文档。

• 使用 LLM 评估检索到的上下文是否相关。

• 仅保留相关上下文。

• 如果需要的话，进行网络搜索。

• 聚合上下文并生成响应。

RAG 的 5 种分块策略

智能体

5 种智能体设计模式

Agentic behaviors 允许 LLM 通过结合自我评估、规划和协作来改进他们的输出！

下图展示了构建 AI 代理时采用的 5 种最流行的设计模式。

反射模式

LLM 会审查其工作以发现错误并不断迭代直到产生最终的响应。

工具使用模式

工具允许 LLM 通过以下方式收集更多信息：

• 查询矢量数据库

• 执行 Python 脚本

• 调用 API 等

这很有帮助，因为 LLM 不仅仅依赖于其内部知识。

ReAct（Reason and Action）模式

ReAct 结合了以上两种模式：

• 代理可以反映生成的输出。

• 它可以使用工具与世界互动。

这使得它成为当今使用最强大的模式之一。

规划模式

AI 不会一次性解决请求，而是通过以下方式创建路线图：

• 细分任务

• 概述目标

这种战略思维可以更有效地解决任务。

Multi-agent 模式

在此设置中：

• 我们有几个 agent。

• 每个 agent 都被分配了专门的角色和任务。

• 每个 agent 还可以访问工具。

所有 agent 共同努力以交付最终结果，同时在需要时将任务委派给其他 agent。

智能体系统的 5 个等级

Agentic AI 系统不仅仅生成文本；它们还可以做出决策、调用函数，甚至运行自主工作流程。

该图解释了人工智能代理的 5 个级别——从简单的响应者到完全自主的代理。

1. 基本响应器仅生成文本

2. 路由器模式决定何时采取路径

3. 工具调用选择并运行工具

4. 多代理模式管理多个代理

5. 自主模式完全独立运作

MCP

Function calling & MCP

在 MCP 成为主流（或像现在这样流行）之前，大多数 AI 工作流程依赖于传统的函数调用。

现在，MCP（模型上下文协议）正在改变开发人员为代理构建工具访问和编排的方式。

以下是解释函数调用和 MCP 的视觉说明：

Function calling（函数调用）

函数调用是一种机制，它允许 LLM 根据用户的输入识别它需要什么工具以及何时调用它。

它通常的工作方式如下：

• LLM 收到来自用户的提示。

• LLM 决定其所需的工具。

• 程序员实现程序来接受来自 LLM 的工具调用请求并准备函数调用。

• 函数调用（带有参数）被传递给处理实际执行的后端服务。

MCP（模型上下文协议）

函数调用关注的是模型想要做什么，而 MCP 关注的是如何让工具变得可发现和可用——尤其是跨多个代理、模型或平台。

MCP 无需在每个应用程序或代理中都安装硬接线工具，而是：

• 标准化工具的定义、托管和向 LLM 公开的方式。

• 使 LLM 能够轻松发现可用的工具、了解其模式并使用它们。

• 在调用工具之前提供批准和审计工作流程。

• 将工具实施与消费的关注点分开。

MCP & A2A

Agent2Agent (A2A) 协议让 AI 代理可以连接到其他代理。

• MCP 为代理提供访问工具的权限。

• 而 A2A 允许代理与其他代理连接并以团队形式协作。

Next thing

在代理领域：

• MCP 标准化了代理到工具的通信。

• Agent2Agent 协议标准化了 Agent 到 Agent 的通信。

但还缺少一件东西……

AG-UI（代理-用户交互协议）标准化了后端代理和前端 UI 之间的交互层（下图绿色层）。