一个先进的检索增强生成(RAG)解决方案，使用复杂的确定性图算法处理复杂问答任务，能够回答基于自定义数据的非平凡问题，有效防止AI幻觉。
一分钟了解#
Controllable-RAG-Agent是一个高级的检索增强生成解决方案，专为解决简单语义相似性检索无法处理的复杂问题而设计。这个项目展示了一个复杂的确定性图作为高度可控自主智能体的"大脑"，能够从您自己的数据中回答非平凡问题。
核心价值：通过多步推理和自适应规划机制，确保答案完全基于提供的数据，避免AI幻觉，同时能够处理需要复杂推理的查询。
快速上手#
安装难度：中 - 需要Python环境和API密钥配置，项目提供了详细的安装步骤和使用示例。
# 克隆仓库
git clone https://github.com/NirDiamant/Controllable-RAG-Agent.git
cd Controllable-RAG-Agent
# 安装依赖
pip install -r requirements.txt
核心能力#
1. 复杂确定性图推理 - 理解多层次问题#
- 通过确定性图算法作为智能体的"大脑"，处理需要复杂推理的问题
- 能够将复杂查询分解为可管理的子任务，系统性地解决需要多步推理的问题
2. 多步推理能力 - 解决需要关联分析的问题#
- 将复杂查询分解为可管理的子任务，逐个执行并积累上下文
- 能够回答需要理解多个概念之间关系的复杂问题
3. 自适应规划 - 动态调整回答策略#
- 基于新信息持续更新计划，灵活调整回答路径
- 在回答过程中能够根据获取的新信息动态调整策略，提高回答准确性
4. 幻觉预防 - 确保回答基于事实#
- 通过内容验证和上下文蒸馏，确保回答严格基于提供的文档
- 消除AI幻觉，提供可靠的、基于文档的事实性回答
5. 性能评估 - 全面质量评估#
- 使用Ragas指标进行综合质量评估，包括答案正确性、忠实度、相关性等
- 通过多维度指标量化系统性能，持续优化回答质量