> ## Documentation Index
> Fetch the complete documentation index at: https://ikun.mintlify.site/llms.txt
> Use this file to discover all available pages before exploring further.

# Agentic RAG

This example application shows how to build a sophisticated RAG (Retrieval Augmented Generation) system that leverages search of a knowledge base with LLMs to provide deep insights into the data.

## 该代理可以：

* 处理和理解来自多个来源（PDF、网站、文本文件）的文档
* 使用向量嵌入构建可搜索的知识库
* 跨会话维护对话上下文和记忆
* 为其响应提供相关的引文和来源
* 生成摘要并提取关键见解
* 回答后续问题和澄清

## 该代理使用：

* 用于相关文档检索的向量相似性搜索
* 用于上下文响应的对话记忆
* 用于来源归属的引文跟踪
* 动态知识库更新

<video autoPlay muted controls className="w-full aspect-video" src="https://mintcdn.com/ikun/fXmeJ7wKTC-4Xav-/videos/agentic_rag.mp4?fit=max&auto=format&n=fXmeJ7wKTC-4Xav-&q=85&s=058fcf2b95ab47e0ce547830166d491e" data-path="videos/agentic_rag.mp4" />

## 可尝试的示例查询：

* "这份文件的关键要点是什么？"
* "你能总结一下主要的论点和支持证据吗？"
* "重要的统计数据和发现是什么？"
* "这与\[主题X]有什么关系？"
* "这份分析的局限性或差距是什么？"
* "你能更详细地解释一下\[概念X]吗？"
* "还有哪些其他来源支持或反驳这些说法？"

## 代码

完整的代码可在 [Agno 存储库](https://github.com/agno-agi/agno) 中找到。

## 用法

<Steps>
  <Step title="克隆存储库">
    ```bash theme={null}
    git clone https://github.com/agno-agi/agno.git
    cd agno
    ```
  </Step>

  <Step title="创建虚拟环境">
    ```bash theme={null}
    python3 -m venv .venv
    source .venv/bin/activate
    ```
  </Step>

  <Step title="安装依赖项">
    ```bash theme={null}
    pip install -r cookbook/examples/streamlit_apps/agentic_rag/requirements.txt
    ```
  </Step>

  <Step title="运行 PgVector">
    首先，安装 [Docker Desktop](https://docs.docker.com/desktop/install/mac-install/)。

    然后使用辅助脚本运行：

    ```bash theme={null}
    ./cookbook/scripts/run_pgvector.sh
    ```

    或直接使用 Docker 运行：

    ```bash theme={null}
    docker run -d \
      -e POSTGRES_DB=ai \
      -e POSTGRES_USER=ai \
      -e POSTGRES_PASSWORD=ai \
      -e PGDATA=/var/lib/postgresql/data/pgdata \
      -v pgvolume:/var/lib/postgresql/data \
      -p 5532:5432 \
      --name pgvector \
      agnohq/pgvector:16
    ```
  </Step>

  <Step title="设置 API 密钥">
    ```bash theme={null}
    # Required
    export OPENAI_API_KEY=***
    # Optional
    export ANTHROPIC_API_KEY=***
    export GOOGLE_API_KEY=***

    ```

    我们建议使用 gpt-4o 以获得最佳性能。
  </Step>

  <Step title="启动应用程序">
    ```bash theme={null}
    streamlit run cookbook/examples/streamlit_apps/agentic_rag/app.py
    ```

    打开 [localhost:8501](http://localhost:8501) 开始使用 Agentic RAG。
  </Step>
</Steps>

需要帮助？加入我们的 [Discourse 社区](https://community.agno.com) 以获得支持！