Popular AI orchestration framework LlamaIndex has introduced Agent Document Workflow (ADW) a new architecture that the company says goes beyond retrieval-augmented generation (RAG) processes and increases agent productivity. 随着编排框架的不断改进，这种方法可以为组织提供一个增强代理决策能力的选择。 LlamaIndex 表示，ADW 可以帮助代理管理“超出简单提取或匹配的复杂工作流程”。Some agentic frameworks are based on RAG systems, which provide agents the information they need to complete tasks. However, this method does not allow agents to make decisions based on this information. LlamaIndex 给出了一些现实世界中 ADW 如何运作的例子。例如，在合同审查中，人类分析师必须提取关键信息，交叉引用监管要求，识别潜在风险并生成建议。当在该工作流程中部署时，AI 代理理想情况下会遵循相同的模式，并根据他们阅读的合同审查文件和其他文件中的知识做出决策。“ADW 通过将文档视为更广泛业务流程的一部分来解决这些挑战，”LlamaIndex 在一篇博客文章中说。“ADW 系统可以在步骤之间维护状态，应用业务规则，协调不同组件并根据文档内容采取行动 - 而不仅仅是分析它。” LlamaIndex 此前曾表示，RAG 虽然是一种重要的技术，但仍然很原始，特别是对于寻求使用 AI 进行更强大决策能力的企业而言。Understanding context for decision making LlamaIndex 开发了结合其 LlamaCloud 解析功能与代理的参考架构。它“构建能够理解上下文，维护状态并推动多步骤流程的系统”。 为此，每个工作流程都有一个充当协调器的文档。它可以指导代理利用 LlamaParse 从数据中提取信息，维护文档上下文和流程的状态，然后从另一个知识库中检索参考资料。从这里开始，代理可以开始为合同审查用例或其他不同用例的可操作决策生成建议。“通过在整个过程中维护状态，代理可以处理超出简单提取或匹配的复杂多步骤工作流程，”该公司说。“这种方法使他们能够在处理文档时建立深入的上下文，同时在不同系统组件之间进行协调。”Differing agent frameworks 代理编排是一个新兴领域，许多组织仍在探索代理 - 或多个代理 - 如何为他们工作。随着代理从单一系统发展到多代理生态系统，今年编排 AI 代理和应用程序可能会成为一个更大的话题。 AI 代理是 RAG 提供的能力的扩展，即基于企业知识查找信息的能力。 但是，随着越来越多的企业开始部署 AI 代理，他们也希望他们能够完成人类员工所做的许多任务。而且，对于这些更复杂的用例，“香草”RAG 是不够的。企业考虑的一种高级方法是代理 RAG，它扩展了代理的知识库。模型可以决定是否需要查找更多信息，使用哪个工具获取该信息以及刚刚获取的上下文是否相关，然后再得出结果。
