Dieser Artikel stellt eine umfassende Architektur für ein Multi-Agenten-RAG-System vor, das über die grundlegende Retrieval-Augmented Generation hinausgeht. Das System verfügt über mehrere spezialisierte Agenten, die zusammenarbeiten, um komplexe Anfragen zu bearbeiten, sowie über ein integriertes Bewertungsmodul, das die Antwortqualität bewertet. Eine wichtige Innovation ist der Human-in-the-Loop-Feedback-Mechanismus, bei dem menschliche Prüfer Feedback zu den Agentenausgaben geben können, das dann verwendet wird, um Prompts automatisch zu verfeinern und zukünftige Antworten zu verbessern. Die Architektur umfasst Komponenten für die Agentenorchestrierung, das Kontextmanagement und eine Feedbackschleife, die die Lücke zwischen Systemausgaben und Benutzererwartungen schließt. Für Entwicklungsteams bietet dies einen praktischen Bauplan für den Aufbau von RAG-Systemen, die sich ohne manuelles Prompt-Engineering kontinuierlich verbessern können. Das Bewertungsframework deckt Metriken wie Relevanz, Genauigkeit und Vollständigkeit ab und eignet sich daher für Produktionsumgebungen, in denen Qualitätssicherung entscheidend ist.
Eine detaillierte Architektur für ein Multi-Agenten-RAG-System mit Selbstverbesserung durch Bewertung und Human-in-the-Loop-Feedback.