Agentic RAG：使用语义缓存进行速度和成本优化

使用最新的代理开发来增强聊天机器人。

越来越多的公司正在利用代理和检索增强生成 (RAG) 来构建自己的虚拟助手，以增强来自大型语言模型 (LLM) 的响应。这种方法允许公司通过将答案建立在事实基础上，同时最大限度地减少安全和数据泄露风险，来增强虚拟助手。许多公司处于探索阶段，架构师和开发人员对构建虚拟助手的最佳方法和数据流提出了疑问。为了将这些应用程序构建到生产中，需要权衡性能、质量、灵活性和成本等因素。借助 Redis 和 LlamaIndex，客户可以构建更快、更准确的聊天机器人，并实现规模化，同时优化成本。

加入本届会议，了解以下方面的最佳实践：

• 构建虚拟助手应用程序的架构
• 加速文档摄取，同时最大限度地降低成本
• 使用 AI 代理改善响应
• 使用语义缓存优化响应时间和成本

活动演讲者

Tyler Hutcherson

高级应用 AI 工程师
Redis

Laurie Voss

开发者关系副总裁
LlamaIndex