Orange，追求创新，启动了一项革命性的多智能体RAG项目，旨在重新定义人工智能。这一前所未有的方法将结合多个回收代理，从而优化对各种文档的分析，例如文本、图像和图表。该项目承诺超越当前解决方案的局限性，因为单一代理往往不足以应对挑战。重要议题显而易见：改善向量化和对复杂数据的理解，同时创建一个更高效和集成的AI生态系统。
Orange Business中的创新项目
Orange的子公司，专注于企业数字服务，正在进行一项RAG（增强式生成回收）集成多智能体的方法的显著努力。这个雄心勃勃的项目旨在超越当前在这一领域的人工智能系统的局限性，这些系统迄今为止都专注于处理单个代理。
项目目标
Orange Business希望优化对复杂文档的管理，结合文本、图像、表格和图形等不同类型的媒体。目标是开发出一种能够从丰富文档库中生成更准确、更相关答案的解决方案。这一多智能体RAG系统的建立旨在快速实现商业产品的提供。
现有系统的挑战
传统的RAG解决方案存在明显的局限性，仅利用文档的文本内容。参考文档的向量化通常存在不一致之处，使得理解整体意义变得困难。Orange Business Digital Services的AI负责人Didier Gaultier指出，习惯于关键词搜索的用户并未充分利用生成性人工智能的能力。
多智能体的RAG架构
多智能体RAG的概念依赖于多个代理的协作，每个代理专注于一种内容类型的向量化。这些代理处理各种格式，如文本、图像和表格，创建一个所谓的“元向量化”文档库。开发一个调度引擎将管理这些不同代理之间的互动，确保更好的搜索和相关性。
文档内容的网络化将通过文件之间的匹配分析而实现。这种方法将使我们能够理解现有的连接，从而提供超越简单向量的信息回收。
潜在使用案例
该系统可能会颠覆企业管理数据的方式。例如，可以检测到某位员工的技能，如果通过其专业内容的向量化得出的技能在其简历中未被提及，这样将有助于技能与职位的匹配。
在这项技术的核心，代理将协作根据关键词构建可理解的句子，从而优化用户查询的相关性。
合作与未来开发
Orange Business已组建一个包括Lighton在内的参与者联盟，后者是生成性AI领域的专家。实现未来能够商业化的产品的愿望显而易见。与工业合作伙伴共同，ESN正在寻求资金支持，以加快项目进展。
这一项目承诺将加速多智能体系统领域的创新，使Orange成为企业AI解决方案行业的参考参与者。
关于Orange的多智能体RAG项目的常见问题
Orange提议的增强生成检索系统（RAG）多智能体是什么？
多智能体RAG是一个创新系统，利用多个智能体从多媒体文档（如文本、图像或表格）中检索和处理信息，以提供更准确和相关的答案。
与传统的RAG系统相比，多智能体方法有哪些优势？
与依赖单一智能体的传统系统不同，多智能体方法允许对不同格式进行向量化，从而更好地考虑内容中各个元素之间的相互关系，提高信息检索的效果。
Orange的RAG项目中的向量化是什么？
向量化是将文档中的信息转换为数字表示，从而使智能体能够搜索和识别与用户提出问题最相关的向量。
Orange将如何保证RAG多智能体提供的答案的质量和准确性？
Orange旨在创建一个元向量化的文档库，分析文件之间的匹配关系并建立关系图，以确保更细致和相关的信息检索。
RAG多智能体系统的发展和商业化时间表是什么？
Orange Business计划在未来几个月内推出这一系统的打包产品，此前已与包括Lighton在内的专业合作伙伴组建了一个联盟，以加速项目进程。
用户在系统RAG多智能体推出后如何与之互动？
用户可以用完整的句子提出问题，RAG多智能体系统将把这些请求转化为可理解的提示，以在数据库中进行准确检索。
在多智能体RAG项目成为可操作之前，需要哪些步骤？
该项目在投入运营之前，需要开发技术基础设施、建立回收智能体，并进行深入测试以验证提供结果的准确性。
Orange的多智能体系统中将使用哪些类型的智能体？
该系统将整合多种类型的智能体，专注于对不同信息格式的向量化，例如文本、图像、表格，甚至可能包括音频内容。
在这个多智能体系统中，调度引擎为何至关重要？
调度引擎至关重要，因为它将协调不同智能体之间的交互，从而确保基于对检索到的数据的综合且一致理解来提供答案。
