被动式RAG和主动式RAG——主动式RAG才更符合人类的思维习惯
“ 主动式RAG就是一个会使用搜索引擎的人，它会根据需要使用搜索引擎。”【AI大模型教程】
关于RAG事实上分为两种架构，一种是传统的被动式RAG，另一种是主动式RAG；作者在上一篇文章中说过RAG并不是一项具体的技术，而是一种方法论。
因此，所谓的被动式RAG是基于传统的检索召回，增强生成的流程；而主动式RAG是把RAG技术与智能体技术相结合的一种主动式架构——其主动主要体现在智能体能够自行规划和使用工具来回答问题，而不需要每次都去召回，然后再进行回答。
主动式RAG
传统的被动式RAG存在很多缺点，比如说太傻叉了，每次都要先去知识库中进行文档召回，哪怕你只是简单的说一句你好；当然，也可以通过增加一个前端路由的方式来避免这个问题，但在复杂问题下就不太行了；因此总体来说，被动式RAG存在很多问题。
但结合了智能体技术的主动式RAG相比就存在很多优点，而且其更符合人类的思维习惯。
主动式RAG的工作流程是什么样的？
主动式RAG的本质还是一个智能体，只不过给它配置的是召回工具，也就是特定应用场景下的智能体。
智能体的运作逻辑是什么？为什么说智能体更符合人类的思维模式？
智能体 = 大模型+工具+ (用户问题 + 记忆 + 上下文管理)，其中主要还是大模型和工具扮演着重要角色。
在智能体中，大模型就是一个人，然后给它配备了能够解决问题的工具；比如说，给你一台电脑，让你做一份PPT，其中你就是大模型，电脑就是工具。
具体这个PPT怎么做，有哪些内容是由你(大模型)决定的，而做PPT必须使用电脑才可以。
在RAG中也是如此，用户提出问题，然后交给大模型，然后大模型根据自己的经验判断是否能够回答问题，如果回答不了是否有工具能够使用，之后再回答用户问题。
这个流程是不是很符合我们人类的思维模式，应该说和人类的思维模式一模一样。
假如说你是一个计算机领域的工作人员，有人问你计算机相关的问题，我想大部分问题你应该都不需要看书或查资料就能够回答；只有遇到那些比较复杂或者你拿不准的问题时才需要查阅资料，比如说计算机类的书籍，搜索引擎等。
但传统的被动式RAG是怎么做的？
不管用户问什么问题，先去资料库里查一遍，然后再来回答用户问题；但我们知道很多简单的问题，其实没必要去查资料，这样虽然从理论上能提升准确率，但会严重影响效率。
总之就是被动式RAG的执行逻辑太傻了，就像开卷考试一样，问你1+1等于几，你还要去翻一下书，这不是浪费时间嘛。
而基于主动式的RAG，我能够自己回答的问题就自己回答，不能自己回答的问题再去使用工具做检索；并且，由于记忆的存在，如果是用户重复问的问题，还可以自己根据记忆进行回答，这样可以大大提升响应速度，提升用户体验。
