Nuclia

传统 RAG 使用固定的流水线进行检索，然后生成。Agentic RAG 技术是动态的：它会分析您的问题，将其分解为子问题，选择正确的来源并在运行时优化检索。结果是更准确、上下文感知的答案，尤其是对于复杂查询。

Agentic Knowledge Layer 是连接您的数据和 AI 的智能基础设施。它在一个统一的层中处理摄取、索引、检索和答案生成，使您的 AI 总是基于准确、受控的企业知识，而不是通用训练数据。

Progress Agentic RAG 解决方案将您的内容（文档、音频、视频等）索引到一个知识箱中。当用户提出问题时，平台执行语义搜索以找到最相关的内容，然后将其传递给大语言模型（LLM）以生成有依据的答案。您控制检索策略、LLM 和管道配置。

Retrieval Agents 是超越基本 RAG 的高级组件。它们可以同时查询多个知识源，包括知识箱、SQL 数据库、互联网搜索服务和 Model Context Protocol (MCP) 服务器。它们分析问题，将其拆分为子问题，并动态决定每个部分使用哪些源。

Retrieval Agents 分析用户的问题并确定哪个源或组合源最有可能包含答案。这种路由在查询时自动完成，无需为每个查询进行手动配置。

查询重写在检索开始前将简短或模糊的查询转换为更丰富、更具体的问题。这提高了语义搜索的准确性，并支持更相关的检索内容，从而让 LLM 生成更准确、更精确的答案。

每个答案都基于从您的知识箱中检索到的内容。Progress Agentic RAG 解决方案监控“依据性”（groundedness），这是一个衡量生成答案与检索内容关联程度的指标。如果依据性下降，平台会提醒您，以便您可以调整检索策略或更新知识库。

REMi 是 Progress Agentic RAG 解决方案中的内置 RAG 评估模型。它持续监控三个关键质量指标：答案相关性（即答案是否回答了问题？）、上下文相关性（即是否检索到了正确的内容？）以及依据性（即答案是否基于这些内容？）。结果会在仪表板上随时间跟踪，以便您尽早发现质量问题。

一个在启动时表现良好的 RAG 流水线可能随着时间推移而退化，因为您的数据发生变化或使用模式演变。使用 REMi 等工具进行持续评估有助于确保 AI 保持准确、可信，并在用户发现问题之前符合业务需求。

可以。Retrieval Agents 可以在一个响应中查询多个知识箱、SQL 数据库、互联网搜索服务和 MCP 服务器。代理根据问题自动决定使用哪些源，无需手动路由。

当您的问题复杂、跨越多个源或需要跨文档推理时，应使用 Agentic RAG 技术。当您需要企业级控制（如安全性、合规性、自定义 LLM 和评估）时，这也是合适的选择。

通用聊天机器人从其训练数据和预定义路径中回答问题，这可能会过时、不准确或无法引用来源。Progress Agentic RAG 解决方案仅从您索引的内容中回答问题，维护对话上下文，并生成可验证、基于实际知识库的依据性答案。

是的。该平台对静态数据（AES-256）和传输数据（TLS）进行加密，支持基于角色的访问控制（RBAC），并包含内置的 PII 匿名化工具。它符合 GDPR、SOC 2 Type II 和 ISO 27001 标准。

可以。Progress Agentic RAG 解决方案是 LLM 无关的。您可以通过一次配置更改在 OpenAI、Azure OpenAI、Anthropic Claude 和 Google Gemini 等模型之间切换。您的检索流水线、知识库和评估设置保持不变。

Progress Agentic RAG 解决方案支持广泛的企业用例，包括企业搜索、客户支持自动化、文档问答、电子商务产品发现、多模态搜索（文本和图像）以及任何需要基于私有数据提供依据且准确答案的应用。

您可以在 rag.progress.cloud 上几分钟内注册、创建知识箱并摄取第一份文档。一个无代码仪表板允许您上传文件、测试搜索引擎并将小部件嵌入您的应用程序，而无需编写代码。API 和 SDK 选项可用于更深入的集成。

Progress Agentic RAG 解决方案支持 30 多种内容类型，包括纯文本、HTML、Markdown、JSON、PDF、Word 文档、图像（JPEG、PNG、TIFF）、视频（MP4、AVI、MPEG）和音频（MP3、WAV）文件。您上传的任何资源都可以被搜索并用于 AI 生成的答案。

它会扩展企业搜索。传统企业搜索返回链接和片段。Progress Agentic RAG 解决方案通过自然语言查询、多模态支持和跨多个源推理的能力，直接提供基于您内容的合成答案。许多团队将其与现有搜索基础设施一起使用，或在其之上使用。

最常见的挑战是：(1) 覆盖缺口：如果答案需要连接未一起索引的文档信息，检索质量会受到影响；(2) 流水线调优：选择合适的向量嵌入模型、检索策略和 LLM 需要迭代；(3) 质量漂移：随着数据和使用情况的变化，流水线需要持续监控（通过 REMi 等工具）。Progress Agentic RAG 解决方案提供了应对所有三个挑战的工具。

var arr = [];

Nuclia 可以对任何来源的非结构化数据进行索引，包括本地文件、云存储、数据库以及各种在线内容。它支持多种格式，如 PDF、Word、Excel、文本和网页等。

Nuclia 主要用于帮助用户快速从大量非结构化数据中提取信息，适用于企业知识管理、个人资料检索、研究数据分析等场景。它通过 AI 技术实现高效搜索和内容理解。

Nuclia 的核心技术包括自然语言处理（NLP）、机器学习模型和高效的索引系统，使其能够理解和搜索非结构化数据。此外，它提供 CLI 工具，便于集成到现有工作流中。