Neben klassischen Chat-Assistenten können in RAGFlow auch Agenten erstellt werden.
Agenten ermöglichen es, komplexere KI-Anwendungen zu bauen, indem mehrere Schritte oder Logiken miteinander kombiniert werden. In RAGFlow geschieht dies über Workflows, die festlegen, wie eine Anfrage verarbeitet wird.
Ein Agent kann zum Beispiel:
- Nutzerfragen analysieren
- relevante Informationen aus Datasets abrufen
- Antworten generieren
- verschiedene Verarbeitungsschritte kombinieren
Damit lassen sich typische Anwendungen wie Support-Bots, Wissensassistenten oder Recherche-Agenten umsetzen.
Agenten-Bereich öffnen
Um einen Agenten zu erstellen, wechseln Sie in der oberen Navigation zum Bereich Agent.
Hier finden Sie:
- eine Übersicht vorhandener Agenten
- die Möglichkeit, neue Agenten zu erstellen
- Zugriff auf vorhandene Templates oder Workflows
Neuen Agenten erstellen
Klicken Sie auf Create Agent bzw. Agent erstellen, um einen neuen Agenten anzulegen.
Nach dem Erstellen öffnet sich der Agent-Editor, in dem Sie den Workflow konfigurieren können.
Ein Agent besteht typischerweise aus mehreren Komponenten, zum Beispiel:
- Message / Input – verarbeitet die Nutzeranfrage
- Retrieval – sucht passende Informationen im Dataset
- LLM-Verarbeitung – generiert eine Antwort
- Logik-Komponenten – z. B. Kategorisierung oder Entscheidungslogik
Diese Komponenten werden visuell miteinander verbunden, sodass ein vollständiger Workflow entsteht.
Standard-Agent oder Template verwenden
Für viele Anwendungsfälle stellt RAGFlow Standard-Workflows oder Vorlagen bereit.
Diese können direkt genutzt werden und eignen sich besonders für typische Szenarien wie:
- Support-Chatbots
- interne Wissenssuche
- Dokumentationsassistenten
- automatisierte Recherche
Der Vorteil dieser Templates:
- schneller Einstieg
- bereits funktionierende Logik
- einfache Anpassung an eigene Daten
Beispiel: Support-Agent
Ein häufiger Anwendungsfall ist ein Support-Agent, der Fragen zu Produkten, Dokumentationen oder internen Informationen beantwortet.
Der typische Ablauf eines Support-Agenten:
- Ein Nutzer stellt eine Frage im Chat.
- Der Agent analysiert die Anfrage.
- Relevante Informationen werden aus den verbundenen Datasets abgerufen.
- Das LLM formuliert eine Antwort basierend auf diesen Informationen.
- Die Antwort wird dem Nutzer zusammen mit Quellen angezeigt.
Durch diese Kombination aus Retrieval und LLM-Verarbeitung kann der Agent präzise Antworten auf Basis Ihrer Unternehmensdaten liefern.
Agent testen
Nachdem der Agent erstellt wurde, können Sie ihn direkt testen.
Öffnen Sie dazu den Chat des Agenten und stellen Sie eine Beispiel-Frage, z. B.:
- „Wie funktioniert die Einrichtung eines Datasets?“
- „Welche Modelle unterstützt RAGFlow?“
- „Wo finde ich Informationen zur Chat-Konfiguration?“
Der Agent durchsucht die verbundenen Wissensquellen und generiert eine Antwort auf Basis der gefundenen Inhalte.
Zusammenfassung
Agenten erweitern RAGFlow um die Möglichkeit, komplexe KI-Anwendungen auf Basis von Workflows zu erstellen.
Durch die Kombination aus:
- Wissensdatenbanken (Datasets)
- Large Language Models (LLMs)
- Workflow-Logik
lassen sich leistungsfähige Assistenten für Support, Wissensmanagement oder Recherche aufbauen.
