Qwen-Agent + RAG：用8k上下文模型打造百万Token巨兽_qwen rag agent

Qwen-Agent + RAG：用8k上下文模型打造百万Token巨兽

大型语言模型（LLM）领域正在经历一场技术革命，百万级Token的处理能力成为新的角逐点。传统的LLM受限于上下文窗口大小，难以有效处理超长文本。如何突破这一瓶颈？智源研究院Qwen团队另辟蹊径，他们没有执着于复杂的数学技巧或架构调整，而是巧妙地将目光投向了Agent技术。

Qwen团队用实际行动证明：仅凭8k上下文窗口的Qwen2模型，也能构建出理解和处理百万Token文档的“强力巨兽”，其性能甚至超越RAG和原生长文本模型！ 更令人振奋的是，这项技术还能用于生成训练数据，助力打造更强大的长文本Qwen模型，为LLM领域开辟了全新的可能性。

Agent + RAG：化解百万Token挑战的利器

一直以来，LLM处理超长文本的能力都是一大难题。现有的解决方案主要集中在模型结构的改进上，例如基于RoPE的扩展或非Transformer架构。然而，高质量的长文本训练数据的获取却常被忽视，成为制约LLM性能提升的关键瓶颈。

针对这一难题，Qwen团队另辟蹊径，提出了一种新颖的解决方案：

1. 以弱胜强： 利用8k上下文窗口的“弱”聊天模型构建一个能够处理百万级Token的“强”Agent。

2. 数据驱动： 利用Agent合成高质量的微调数据，并进行自动化过滤，为模型训练提供充足的“养料”。

3. 能力跃迁： 利用合成数据对预训练模型进行微调，最终得到一个能够处理百万级Token的“强”聊天模型，实现性能的质的飞跃。

本文将重点介绍第一步，即如何构建Agent。

Qwen-Agent三级进阶：步步为营，攻克长文本难题

Qwen团队构建的Agent共分为三个复杂度等级，每个等级都建立在之前的基础之上，逐步提升模型处理长文本的能力，最终实现百万Token的终极目标。

第一级：检索增强生成 (RAG)

处理百万级Token上下文的一种简单方法是使用检索增强生成（RAG）。RAG将长文本划分为多个短片段（例如，每个片段不超过512个Token），然后只保留与用户查询最相关的片段（例如，保留在8k上下文窗口内）。

RAG的关键在于如何准确识别最相关的片段。经过多次尝试，Qwen团队提出了一种基于关键词的解决方案：

1. 指令解析： 指示聊天模型区分用户查询中的指令信息和非指令信息。例如，将用户查询"我希望你用2000字回答，并且尽可能详细。我的问题是，自行车是什么时候发明的？请用中文回答。"转换为{"information": ["自行车是什么时候发明的"], "instruction": ["我希望你用2000字回答", "并且尽可能详细", "请用中文回答"]}。

2. 关键词提取： 要求聊天模型从查询的信息部分推导出多语言关键词。例如，将短语“自行车是什么时候发明的”转换为{"keywords_en": ["bicycles", "invented", "when"], "keywords_zh": ["自行车", "发明", "时间"]}。

3. 精准检索： 使用传统的基于关键词的检索方法BM25算法，找到与提取的关键词最相关的片段。

检索增强生成的数据流

Qwen团队也尝试了基于向量的检索方法，但实际应用中，向量检索方法的效果提升并不足以弥补其部署单独嵌入模型所带来的额外复杂性。

第二级：逐块阅读

上述RAG方法速度快，但当相关片段与用户查询的关键词重叠度不足时，这些片段可能无法被检索到，导致模型无法获取完整信息。虽然向量检索在理论上可以缓解这个问题，但在实践中往往效果不佳。

为了解决这一局限性，Qwen团队采用了一种“暴力”策略，以降低遗漏相关上下文的概率：

1. 逐块评估： 针对每个512 Token的片段，要求模型评估其与用户查询的相关性，如果认为不相关，则输出"None"，如果认为相关，则输出相关的句子。这些片段会被并行处理，以避免长时间等待。

2. 精准定位： 将输出中不为"None"的内容（即相关的句子）作为搜索查询，使用BM25算法检索最相关的片段（限制在8k上下文窗口内）。

3. 整合输出： 最后，基于检索到的上下文，以与RAG相同的方式生成最终答案。

逐块阅读的数据流

码

第三级：逐步推理

基于文档的问答系统中，一个典型的挑战是多跳推理。例如，假设文档中包含“第五交响曲是在19世纪创作的”和“自行车是在19世纪发明的”两句话，当被问及“与第五交响曲创作于同一个世纪的交通工具是什么？”时，模型需要先确定子问题“第五交响曲是在哪个世纪创作的？”的答案（即19世纪），然后才能意识到包含“自行车是在19世纪发明的”这句话与原始问题相关。

工具调用（也称为函数调用）Agent或ReAct Agent是解决这类问题的经典方法，它们内置了问题分解和逐步推理的能力。因此，Qwen团队将上述第二级Agent包装成一个工具，供工具调用Agent调用。工具调用Agent执行多跳推理的过程如下：

向Lv3-Agent询问一个问题。   当(Lv3-Agent无法根据其记忆回答问题)时{       Lv3-Agent提出一个新的子问题需要回答。       Lv3-Agent向Lv2-Agent询问子问题。       将Lv2-Agent的回答添加到Lv3-Agent的记忆中。   }   Lv3-Agent提供原始问题的最终答案。
1

逐步推理的数据流

例如，Lv3-Agent最初向Lv2-Agent提出一个子问题：“贝多芬的第五交响曲是在哪个世纪创作的？”。在收到“19世纪”的回答后，Lv3-Agent会接着问一个子问题：“19世纪发明了什么交通工具？”。通过整合来自Lv2-Agent的所有反馈，Lv3-Agent最终可以回答最初的问题：“与第五交响曲创作于同一个世纪的交通工具是什么？”。

实验结果：Qwen-Agent性能一骑绝尘

为了验证Qwen-Agent的性能，Qwen团队在两个专为256k上下文设计的基准测试集上进行了实验，分别是：

1. NeedleBench：用于测试模型能否在充满大量无关信息的上下文中识别出最相关的句子，类似于大海捞针。回答一个问题可能需要同时发现多个“针”，并进行多跳推理，非常考验模型的信息提取和逻辑推理能力。

2. LV-Eval：一个更具挑战性的基准测试集，需要模型同时理解多条证据才能正确回答问题。由于原始LV-Eval的评估指标过于严格，导致了大量的假阴性结果，Qwen团队对其进行了修改，以更准确地评估模型性能。

实验比较了以下三种方法：

1. 32k-Model：一个7B的聊天模型，主要使用8k上下文样本进行微调，并使用少量32k上下文样本进行微调，使用RoPE等无需训练的方法将其扩展到256k上下文窗口。

2. 4k-RAG：使用与32k-Model相同的模型，但采用Lv1-Agent RAG策略，只检索和处理最相关的4k上下文。

3. 4k-Agent：使用与32k-Model相同的模型，采用上述更先进的Agent策略，每次只使用4k上下文窗口与模型交互。

实验结果如下：

结果分析：

• 在短上下文场景下，4k-RAG的效果可能不如32k-Model，这可能是因为难以检索到正确的信息或难以理解多个部分。

• 但随着文档长度的增加，4k-RAG更有可能超过32k-Model。这一趋势表明，32k-Model在处理长上下文方面训练不足。

• 值得注意的是，4K-Agent的性能始终优于32k-Model和4k-RAG，这得益于其能够分块读取所有上下文，避免了模型上下文长度训练不足带来的限制。

总的来说，如果32k-Model能够得到充分的训练，理想情况下应该优于所有方法。然而，由于实际训练不足，32k-Model的性能反而不如4k-Agent。

最后，Qwen团队还在百万级Token的压力测试中测试了Agent（在一百万个Token中找到一根针），发现它能够正常工作。然而，目前还缺乏更可靠的定量基准来评估其在真实应用中处理百万级Token上下文时的性能。

更强大的长文本模型，更便捷的应用框架

本文介绍了如何利用8k上下文窗口的模型构建一个能够处理百万级Token的Agent。一旦Agent准备就绪，合成训练数据就变得水到渠成。例如，可以招募志愿者与Agent互动并记录结果，构建微调数据集。此外，还可以使用Agent对其他方法生成的数据进行交叉验证，确保数据质量。更重要的是，将Agent提炼成模型的总体思路也适用于其他领域，例如增强模型解决长程任务的能力。

Qwen团队的开源RAG和Agent框架Qwen-Agent 最初是为方便模型开发而编写的内部工具代码，最近得到了快速发展。目前，Qwen团队已经在该框架中发布了上述长上下文Agent的实现。

在不久的将来，Qwen团队希望能够提供处理长上下文能力更强的模型，以及更加用户友好的基础设施框架。

Qwen-Agent，开启LLM长文本处理新纪元

Qwen-Agent的出现，为LLM处理超长文本提供了一种全新的思路。它不仅突破了传统模型的上下文窗口限制，更重要的是，它为构建更强大的长文本模型提供了新的可能性。相信在Qwen团队的不断努力下，LLM将在更多领域发挥其巨大潜力，为人类创造更多价值。

如何学习大模型 AI ？

由于新岗位的生产效率，要优于被取代岗位的生产效率，所以实际上整个社会的生产效率是提升的。

但是具体到个人，只能说是：

“最先掌握AI的人，将会比较晚掌握AI的人有竞争优势”。

这句话，放在计算机、互联网、移动互联网的开局时期，都是一样的道理。

我在一线互联网企业工作十余年里，指导过不少同行后辈。帮助很多人得到了学习和成长。

我意识到有很多经验和知识值得分享给大家，也可以通过我们的能力和经验解答大家在人工智能学习中的很多困惑，所以在工作繁忙的情况下还是坚持各种整理和分享。但苦于知识传播途径有限，很多互联网行业朋友无法获得正确的资料得到学习提升，故此将并将重要的AI大模型资料包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。

第一阶段（10天）：初阶应用

该阶段让大家对大模型 AI有一个最前沿的认识，对大模型 AI 的理解超过 95% 的人，可以在相关讨论时发表高级、不跟风、又接地气的见解，别人只会和 AI 聊天，而你能调教 AI，并能用代码将大模型和业务衔接。

• 大模型 AI 能干什么？
• 大模型是怎样获得「智能」的？
• 用好 AI 的核心心法
• 大模型应用业务架构
• 大模型应用技术架构
• 代码示例：向 GPT-3.5 灌入新知识
• 提示工程的意义和核心思想
• Prompt 典型构成
• 指令调优方法论
• 思维链和思维树
• Prompt 攻击和防范
• …

第二阶段（30天）：高阶应用

该阶段我们正式进入大模型 AI 进阶实战学习，学会构造私有知识库，扩展 AI 的能力。快速开发一个完整的基于 agent 对话机器人。掌握功能最强的大模型开发框架，抓住最新的技术进展，适合 Python 和 JavaScript 程序员。

• 为什么要做 RAG
• 搭建一个简单的 ChatPDF
• 检索的基础概念
• 什么是向量表示（Embeddings）
• 向量数据库与向量检索
• 基于向量检索的 RAG
• 搭建 RAG 系统的扩展知识
• 混合检索与 RAG-Fusion 简介
• 向量模型本地部署
• …

第三阶段（30天）：模型训练

恭喜你，如果学到这里，你基本可以找到一份大模型 AI相关的工作，自己也能训练 GPT 了！通过微调，训练自己的垂直大模型，能独立训练开源多模态大模型，掌握更多技术方案。

到此为止，大概2个月的时间。你已经成为了一名“AI小子”。那么你还想往下探索吗？

• 为什么要做 RAG
• 什么是模型
• 什么是模型训练
• 求解器 & 损失函数简介
• 小实验2：手写一个简单的神经网络并训练它
• 什么是训练/预训练/微调/轻量化微调
• Transformer结构简介
• 轻量化微调
• 实验数据集的构建
• …

第四阶段（20天）：商业闭环

对全球大模型从性能、吞吐量、成本等方面有一定的认知，可以在云端和本地等多种环境下部署大模型，找到适合自己的项目/创业方向，做一名被 AI 武装的产品经理。

• 硬件选型
• 带你了解全球大模型
• 使用国产大模型服务
• 搭建 OpenAI 代理
• 热身：基于阿里云 PAI 部署 Stable Diffusion
• 在本地计算机运行大模型
• 大模型的私有化部署
• 基于 vLLM 部署大模型
• 案例：如何优雅地在阿里云私有部署开源大模型
• 部署一套开源 LLM 项目
• 内容安全
• 互联网信息服务算法备案
• …

学习是一个过程，只要学习就会有挑战。天道酬勤，你越努力，就会成为越优秀的自己。

如果你能在15天内完成所有的任务，那你堪称天才。然而，如果你能完成 60-70% 的内容，你就已经开始具备成为一名大模型 AI 的正确特征了。

这份完整版的大模型 AI 学习资料已经上传CSDN，朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】