如何使用Agentic RAG和LangGraph构建智能FAQ聊天机器人 第1张

我们可以从输出结果中看到，我们的代理表现良好。首先，它对查询进行了分类，然后将决定发送到检索节点或人工节点。然后，检索部分开始，它成功地从向量数据库中检索出上下文。最后，根据需要生成响应。这样，我们就制作出了智能常见问题聊天机器人。

你可以访问包含所有代码的 Colab Notebook。

如果您已经学习到这里，就意味着您已经学会了如何使用代理 RAG 和 LangGraph 构建智能常见问题聊天机器人。在这里，我们看到构建一个可以推理和决策的智能代理并不难。我们构建的代理聊天机器人成本低、速度快，而且能够完全理解问题或输入查询的上下文。我们在这里使用的架构是完全可定制的，这意味着人们可以根据自己的特定用例编辑代理的任何节点。有了代理 RAG、LangGraph 和 ChromaDB，制作代理从未如此简单。我相信，我们在本指南中介绍的内容已经让你掌握了使用这些工具构建更复杂系统的基础知识。