微信扫码
添加专属顾问
我要投稿
CAMEL AI在Mistral cookbook上新增了一个教程。 主要内容为:如何利用 CAMEL 的RAG 与 Firecrawl 相结合,以实现高效的网络爬虫、multi-agent 角色扮演任务和知识图谱构建。
示例是介绍一个使用 Mistral 模型对 2024 年巴黎奥运会土耳其射手进行全面研究的示例。
图可能看不清,Agent ops和output单独截图在下方:
2个Agent,一个作为User提出指令,另外一个作为Assistant,执行任务。
ai user -> instruction -> ai assistant -> tool / args -> result - > ai user
最后可以生成图谱以及报告,整个过程需要7分钟,消耗60k tokens:
53AI,企业落地大模型首选服务商
产品:场景落地咨询+大模型应用平台+行业解决方案
承诺:免费POC验证,效果达标后再合作。零风险落地应用大模型,已交付160+中大型企业
2025-11-05
从 RAG 到 Agentic RAG,再到 Agent Memory:AI 记忆的进化三部曲
2025-11-05
万字详解Naive RAG超进化之路:Pre-Retrieval和Retrieval优化
2025-11-05
别只调模型!RAG 检索优化真正该测的,是这三件事
2025-11-04
大模型生态的“不可能三角”:规模化应用的架构困境?
2025-10-31
Dify知识库从Demo到生产:RAG构建企业级私有知识库的7个关键步骤
2025-10-31
RAGFlow 深度介绍
2025-10-29
RAG—Chunking策略实战|得物技术
2025-10-29
RAG 让你的 AI 更聪明
2025-09-15
2025-09-02
2025-08-18
2025-08-25
2025-08-25
2025-08-25
2025-09-03
2025-09-08
2025-08-20
2025-08-28
2025-11-04
2025-10-04
2025-09-30
2025-09-10
2025-09-10
2025-09-03
2025-08-28
2025-08-25