1、你们项目的整体架构是什么？
 
答：我们的AI Agent由微调推理底座、RAG知识增强、工具调用、多级记忆模块四大核心模块构成。通过模型思考、知识检索、外部执行、长期记忆迭代，形成完整自主智能闭环。
 
2、微调底座和RAG的核心区别是什么？
 
答：微调负责学思维、学决策、学行业输出规范，解决模型“会不会思考、会不会做Agent”的问题；RAG负责学海量静态行业知识，解决模型幻觉、知识不足、资料不准的问题。二者互补、不可替代。
 
3、为什么微调不能替代RAG？
 
答：微调无法承载海量行业文档，权重容量有限，强行灌入会产生严重遗忘与幻觉。海量、动态、权威的行业资料必须依靠RAG外挂知识库。
 
4、为什么RAG不能替代微调？
 
答：RAG只会检索资料，不会任务拆解、不会思维链、不会判断是否调用工具。没有微调底座，Agent无法自主决策，只能做简单检索问答，无法实现智能体自主任务执行。
 
5、记忆模块和RAG有什么区别？
 
答：RAG存储行业静态知识、官方文档、标准资料；记忆存储用户交互历史、用户画像、任务过程经验。
简单说：RAG记书本，记忆记人、记历史。
 
6、什么是Agent推理核心大脑？
 
答：推理大脑由两部分组成：
第一是微调垂直大模型（模型思考载体）；
第二是外部代码调度逻辑。
模型负责思考决策，调度逻辑负责循环执行、模块联动、任务闭环。
 
7、垂直行业大模型 和 Agent推理大脑有什么区别？
 
答：垂直大模型只是模型本体，只会问答，没有自主执行能力。
Agent推理大脑是整套系统中枢，可以调度记忆、调度RAG、调度工具、完成多轮自主任务，是真正的智能体核心。
 
8、什么是外部调度逻辑？作用是什么？
 
答：外部调度逻辑是纯代码运行机制，不属于模型权重。
它负责上下文组装、模型结果解析、工具分发、多轮Agent循环、记忆读写，是让大模型从“聊天模型”变成“智能Agent”的关键。
 
9、你们的微调是单阶段还是多阶段？优势是什么？
 
答：我们采用行业知识样本+Agent思维样本一体化混合微调。
优势：一份权重同时具备行业专业性和Agent工具规划能力，避免两阶段微调的灾难性遗忘，部署更轻、稳定性更高。
 
10、你们项目相比传统大模型问答的创新点在哪里？
 
答：三点核心创新：
 
1. 通过行业+Agent双目标微调构建专属推理大脑；
​
2. 结合RAG、工具、多级记忆补齐大模型短板；
​
3. 通过外部调度实现思考-检索-执行-记忆迭代的自主闭环，从被动问答升级为主动执行型智能体。