一种先进的检索增强型生成（）开源解决方案，旨在解决简单的基于语义相似性的检索无法解决的 复杂问题 。

展示了一个复杂的确定性图，作为高度可控的自主的“ 大脑 ”，能够回答来自私域数据的复杂问题。

关键特性

工作流程

通过将命名实体替换为变量来匿名化问题。

为匿名化的问题生成高层次的计划。

去匿名化计划并将其分解为可检索或可回答的任务。

使用案例：哈利·波特书籍分析

该算法使用第一本哈利·波特书籍进行了测试，允许监控模型对检索信息与预训练知识依赖度的对比。这种选择使我们能够验证模型是在使用其预训练的知识，还是严格依赖从向量存储中检索到的信息。

示例问题问：主人公是如何打败反派的助手的？

为了解决这个问题，需要执行以下步骤：

 本文转载自​
 
  ​PaperAgent​
 
 ​