大模型应用开发第四讲：两大方向：增加上下文信息（知识） vs 提升行动力（微调或Agent技术）

大模型应用开发第四讲：两大方向：增加上下文信息（知识） vs 提升行动力（微调或Agent技术）

资料取自《大模型应用开发：动手做AI Agent 》。
查看总目录：学习大纲

关于DeepSeek本地部署指南可以看下我之前写的文章：DeepSeek R1本地与线上满血版部署：超详细手把手指南

---

大模型能力提升两大方向详解

以下用 「书房改造」vs「雇佣助理」 的对比，解析两种技术思路的区别与协作

---

一、方向对比表（先看全局差异）

	增加上下文信息（知识增强）	提升行动力（工具驱动）
目标	让AI更「博闻强识」（类似读更多书）	让AI更「手脚灵活」（类似学习新技能）
应用场景	回答复杂事实类问题（法律、医疗）	完成跨系统操作任务（订票、写代码）
技术手段	扩展知识库、RAG检索增强	微调模型、Agent调用工具链
成本	低（只需更新数据）	高（训练模型或搭建工具接口）
案例	律师Agent记住所有法律条文5	订票Agent自动查天气/算差价2

---

二、增加上下文信息（打造AI的「移动书库」）

1. 原理拆解：给大模型配U盘

• 原始状态：大模型只知道训练时的知识（截止到2023年数据）[2]
• 增强过程 → 三步走：
  1️⃣ 装知识库：导入最新行业资料（如2024年法规）[5]
  2️⃣ 建索引贴：给数据打标签（如合同条款→法律术语→生效日期）[5]
  3️⃣ 实时调用：回答问题前先「翻书」检索相关段落[6]

2. 生活案例：医疗诊断大升级

场景：患者问：“持续低烧咳嗽，喉咙有红点，可能是什么病？”

• 无增强版 → 仅凭常识判断：普通感冒（可能误诊）
• 知识增强版 → 检索最新医学期刊：发现3月爆发手足口病，特征匹配 → 建议立刻检查手足疹子5

flowchart TD
    A[患者症状输入] --> B(知识库检索最新病例)
    B --> C{匹配关键词:红点+低烧}
    C -->|命中| D[返回手足口病特征建议]
    C -->|未命中| E[调用基础医学模型推理]

▲ 知识增强流程（参考第5章RAG技术）

---

三、提升行动力（给AI安装「瑞士军刀」）

1. 两大技术路线

(1) 微调模型：针对性特训

• 适用场景：垂直领域专业知识（如金融术语解读）[2]

• 案例：

  原始模型将「对冲基金」解释为「风险投资」 → 微调后：准确区分对冲策略与风投差异，结合案例说明2

(2) Agent工具链：万能插件箱

• 架构核心 → 四大能力：
  ▸ 规划：拆解任务（订机票→查价/比价/付款）[5]
  ▸ 工具：调用接口（12306系统+支付API）[6]
  ▸ 验证：校验结果（票价+时间无冲突）[1]
  ▸ 纠错：异常处理（若航班取消→自动改签）[6]

2. 对比案例：订酒店任务

步骤	纯大模型	Agent工具版
理解需求	✔️ “杭州周末酒店”	✔️ + 自动提取关键词（预算/位置）[5]
查实时价格	❌ 只能编造虚假报价	✔️ 调用携程API获取真实数据[6]
多平台比价	❌ 无法操作	✔️ 同时查询美团/飞猪并对比[6]
异常处理	❌ 报价过时不警告	✔️ 发现库存紧张→立刻弹窗提醒[1]

flowchart LR
    A[用户需求] --> B(Agent拆解任务)
    B --> C[工具1:酒店API查房态]
    B --> D[工具2:比价算法]
    C & D --> E{库存&预算是否OK}
    E -->|是| F[调用支付接口]
    E -->|否| G[通知用户调整条件]

▲ Agent工具链协作流程（第2章、第6章ReAct框架）

---

四、双剑合璧：典型案例拆解

案例：法律咨询Agent升级

原始痛点：

• 法律条文更新不及时 → 建议过时
• 只能口头建议 → 无法生成正式文书

改造方案 → 组合拳：
1️⃣ 增加知识：每天自动爬取最高法院新规 → 存入向量数据库[5]
2️⃣ 增强行动：接入文书生成工具（自动编写起诉状/合同模板）[6]

效果对比：

用户请求	旧版响应	新版响应
“怎么写离婚协议？”	给出通用模板（可能不符合最新法规）	①检索本地最新模板 ②插入用户个性化条款 ③导出Word文件5
“对方拖欠货款怎么办？”	口头说明法律流程	①生成催款函 ②对接EMS接口自动寄送 ③跟踪物流并提醒[6]

---

核心知识点索引

• 知识增强技术：
  ▸ 长期记忆机制（《大模型应用开发：动手做AI Agent 》第2章2.3节）[5]
  ▸ 检索增强生成RAG（《大模型应用开发：动手做AI Agent 》第5章）[5]
• 行动力提升技术：
  ▸ Function Calling（《大模型应用开发：动手做AI Agent 》第5章）[6]
  ▸ ReAct框架与工具调用（《大模型应用开发：动手做AI Agent 》第2章、第6章）1
• 组合应用案例：职场PPT助手Agent（《大模型应用开发：动手做AI Agent 》第4章）[6]

终极口诀：

• 知识库解决「不懂装懂」 → 让AI更专业✅
• Agent工具解决「光说不练」 → 让AI真干活✅

---

目录：总目录
上篇文章：大模型应用开发第三讲：大模型是Agent的“大脑”，提供通用推理能力（如GPT-4、Claude 3）
下篇文章：大模型应用开发第五讲：成熟度模型：从ChatGPT（L2）到未来自主Agent（L4）

---