35 lines
1.7 KiB
Markdown
35 lines
1.7 KiB
Markdown
---
|
||
title: "LLMs、RAG、AI Agent 三个到底什么区别？"
|
||
type: source
|
||
tags: [llm, rag, ai-agent, 基础概念]
|
||
date: 2025-11-19
|
||
---
|
||
|
||
## Source File
|
||
- raw/AI/LLMs、RAG、AI Agent 三个到底什么区别？.md
|
||
|
||
## Summary
|
||
- 核心主题：LLM、RAG、AI Agent 三者的本质区别与层级关系
|
||
- 问题域：大量 AI 应用开发者混淆三者用途，存在"竞争关系"的误解
|
||
- 方法/机制：LLM = 思考大脑（推理）；RAG = 记忆系统（信息获取）；AI Agent = 行动循环（执行）
|
||
- 结论/价值：三者并非竞争关系，而是在不同层面解决不同问题；生产级 AI 系统需三者协同：LLM 推理 + RAG 准确性 + Agent 自主性
|
||
|
||
## Key Claims
|
||
- LLM 是"天才大脑"：知识截至训练时间点，有幻觉问题，对实时信息无感知
|
||
- RAG 是"随身图书馆助理"：解决 LLM 知识过时和幻觉问题，提供事实依据和来源引用
|
||
- AI Agent 是"行动系统"：由感知→规划→执行→反思的循环构成，赋予 LLM 行动能力
|
||
- 三者协同模式：LLM 负责思考，RAG 负责信息获取，Agent 负责编排执行
|
||
|
||
## Key Concepts
|
||
- [[LLM]]：大语言模型，AI 应用的"天才大脑"，擅长推理但缺乏实时知识
|
||
- [[RAG]]：检索增强生成，为 LLM 提供外部知识库访问能力，消除幻觉
|
||
- [[AI Agent]]：智能体，围绕 LLM 构建的循环控制系统，赋予感知-规划-执行-反思能力
|
||
- [[AI Agent 循环]]：感知（Scanner）→ 思考（Reasoner）→ 行动（Actor）→ 观察（Observer）
|
||
|
||
## Key Entities
|
||
|
||
## Connections
|
||
- [[LLM]] ← 基础 ← [[AI Agent]]
|
||
- [[RAG]] ← 信息层 ← [[AI Agent]]
|
||
- [[LLM]] + [[RAG]] + [[AI Agent]] ← 三位一体 ← [[生产级AI系统]]
|