手把手系列｜一篇文章教会你使用有RAG功能的CAMEL框架（附教程）

在本教程中，我们将简短地介绍检索增强生成RAG (Retrieval-Augmented Generation)的组成部分，并详细介绍如何在CAMEL框架中使用Customized RAG和Auto RAG。备注：本次搭建使用Milvus作为默认向量存储。

01

RAG组成部分

检索增强生成 (Retrieval-Augmented Generation, RAG) 是一种结合了基于检索和基于生成方法的高级自然语言处理方法，用于提升语言模型的性能。在RAG模型中，有两个主要组成部分：

1.检索器 (Retriever)

这个组件负责从大型数据库或知识库中检索相关信息。检索器使用查询或提示词搜索与输入内容匹配的相关文档、段落或句子。

2.生成器 (Generator)

这个组件是一个语言模型，基于输入查询和检索到的信息生成文本。生成器使用检索到的信息，生成连贯且流畅的回答。

RAG架构通过基于检索器和生成器，提高生成文本的准确性和相关性。检索器为生成器提供了相关的上下文和信息，帮助生成过程。具备RAG的智能体具有更高的准确性、最新的知识和改进的泛化能力。自定义RAG（Customized RAG）是专门针对某个领域进行手动微调的，适用于特定的应用场景。而自动化RAG（Auto RAG）则通用程度更高，能够动态地检索和生成回应，适合更广泛、较不专业的使用场景。

02

使用支持RAG的camel框架

加载CAMEL论文

首先，我们要加载CAMEL论文，大家可以点击以下网址找到论文https://arxiv.org/pdf/2303.17760.pdf,这将作为我们的本地示例数据。

自定义RAG

我们在本小节会设置自定义RAG的Pipeline，以VectorRetriever为例。我们将使用OpenAI Embedding作为嵌入模型，因此需要在下面设置OPENAI_API_KEY。

• 相似度得分
• 内容路径
• 元数据
• 文本

那让我们来尝试一个不相关的查询，将检索不到相关内容：

自动化RAG

本小节中，我们将使用默认运行AutoRetriever，它使用OpenAIEmbedding作为默认的嵌入模型，使用Milvus作为默认的向量存储。你需要做的是：1. 设置内容输入路径，可以是本地路径或远程URL。

2. 设置Milvus的远程URL和API密钥。
3. 提供一个Query。

ChatAgent

我们将展示如何结合AutoRetriever和一个ChatAgent。首先，让我们设置一个智能体函数，在这个函数中，我们可以通过提供一个Query从而获取回应。

再导入并设置向量存储实例（访问Milvus官网获取Milvus URL和Token）：
那现在就让智能体告诉你什么是CAMEL AI吧！

END

大家可以使用不同Query进行尝试哦！

想入门 AI 大模型却找不到清晰方向？备考大厂 AI 岗还在四处搜集零散资料？别再浪费时间啦！2025 年AI 大模型全套学习资料已整理完毕，从学习路线到面试真题，从工具教程到行业报告，一站式覆盖你的所有需求，现在全部免费分享！

👇👇扫码免费领取全部内容👇👇

​

一、学习必备：100+本大模型电子书+26 份行业报告 + 600+ 套技术PPT，帮你看透 AI 趋势

想了解大模型的行业动态、商业落地案例？大模型电子书？这份资料帮你站在 “行业高度” 学 AI：

1. 100+本大模型方向电子书

2. 26 份行业研究报告：覆盖多领域实践与趋势

报告包含阿里、DeepSeek 等权威机构发布的核心内容，涵盖：

• 职业趋势：《AI + 职业趋势报告》《中国 AI 人才粮仓模型解析》；
• 商业落地：《生成式 AI 商业落地白皮书》《AI Agent 应用落地技术白皮书》；
• 领域细分：《AGI 在金融领域的应用报告》《AI GC 实践案例集》；
• 行业监测：《2024 年中国大模型季度监测报告》《2025 年中国技术市场发展趋势》。

3. 600+套技术大会 PPT：听行业大咖讲实战

PPT 整理自 2024-2025 年热门技术大会，包含百度、腾讯、字节等企业的一线实践：

• 安全方向：《端侧大模型的安全建设》《大模型驱动安全升级（腾讯代码安全实践）》；
• 产品与创新：《大模型产品如何创新与创收》《AI 时代的新范式：构建 AI 产品》；
• 多模态与 Agent：《Step-Video 开源模型（视频生成进展）》《Agentic RAG 的现在与未来》；
• 工程落地：《从原型到生产：AgentOps 加速字节 AI 应用落地》《智能代码助手 CodeFuse 的架构设计》。

二、求职必看：大厂 AI 岗面试 “弹药库”，300 + 真题 + 107 道面经直接抱走

想冲字节、腾讯、阿里、蔚来等大厂 AI 岗？这份面试资料帮你提前 “押题”，拒绝临场慌！

1. 107 道大厂面经：覆盖 Prompt、RAG、大模型应用工程师等热门岗位

面经整理自 2021-2025 年真实面试场景，包含 TPlink、字节、腾讯、蔚来、虾皮、中兴、科大讯飞、京东等企业的高频考题，每道题都附带思路解析：

2. 102 道 AI 大模型真题：直击大模型核心考点

针对大模型专属考题，从概念到实践全面覆盖，帮你理清底层逻辑：

3. 97 道 LLMs 真题：聚焦大型语言模型高频问题

专门拆解 LLMs 的核心痛点与解决方案，比如让很多人头疼的 “复读机问题”：

三、路线必明： AI 大模型学习路线图，1 张图理清核心内容

刚接触 AI 大模型，不知道该从哪学起？这份「AI大模型 学习路线图」直接帮你划重点，不用再盲目摸索！

路线图涵盖 5 大核心板块，从基础到进阶层层递进：一步步带你从入门到进阶，从理论到实战。

L1阶段:启航篇丨极速破界AI新时代

L1阶段：了解大模型的基础知识，以及大模型在各个行业的应用和分析，学习理解大模型的核心原理、关键技术以及大模型应用场景。

L2阶段：攻坚篇丨RAG开发实战工坊

L2阶段：AI大模型RAG应用开发工程，主要学习RAG检索增强生成：包括Naive RAG、Advanced-RAG以及RAG性能评估，还有GraphRAG在内的多个RAG热门项目的分析。

L3阶段：跃迁篇丨Agent智能体架构设计

L3阶段：大模型Agent应用架构进阶实现，主要学习LangChain、 LIamaIndex框架，也会学习到AutoGPT、 MetaGPT等多Agent系统，打造Agent智能体。

L4阶段：精进篇丨模型微调与私有化部署

L4阶段：大模型的微调和私有化部署，更加深入的探讨Transformer架构，学习大模型的微调技术，利用DeepSpeed、Lamam Factory等工具快速进行模型微调，并通过Ollama、vLLM等推理部署框架，实现模型的快速部署。

L5阶段：专题集丨特训篇 【录播课】

四、资料领取：全套内容免费抱走，学 AI 不用再找第二份

不管你是 0 基础想入门 AI 大模型，还是有基础想冲刺大厂、了解行业趋势，这份资料都能满足你！
现在只需按照提示操作，就能免费领取：

👇👇扫码免费领取全部内容👇👇

​

2025 年想抓住 AI 大模型的风口？别犹豫，这份免费资料就是你的 “起跑线”！