课程 ID: 19177
描述:
话题概述:
随着大模型从通用能力走向行业深度落地，单纯的 “检索 + 生成” 传统 RAG 已无法满足复杂业务场景下的知识理解、跨源推理、长期记忆与自动化决策需求。当前产业界普遍面临知识碎片化、检索精度不足、多模态数据难以统一利用、跨时序信息无法串联、业务流程难以自动化等痛点。在这样的技术趋势与产业背景下，RAG 正从单点工具走向系统化、体系化、智能体化的新阶段。
本次分享将结合我们在企业办公、个人记忆管理、多模态知识处理等真实场景的落地经验，系统分享 RAG 如何向智能体（Agent）深度融合演进，重点讲解跨文件、跨时序、跨模态的统一检索与推理架构，以及如何构建可复用、可扩展、可运维的下一代 RAG 技术体系。我们将从产品设计、工程架构、数据治理、场景落地等维度，完整呈现一套可直接落地的实践方案，并分享真实业务中大幅提升知识检索效率、降低重复工作、增强决策准确性的落地成果，为参会者提供可复制、可避坑的实战思路。
演讲题纲:
1. 行业背景：大模型时代 RAG 为什么必须升级
2. RAG 新阶段：从检索增强到系统化、智能体化演进
3. 核心技术突破：跨文件・跨时序・跨模态检索推理
4. 真实场景落地：办公协同与记忆管理实践
5. 下一代 RAG 技术体系建设
6. 总结与展望
话题亮点：
紧跟大模型最新演进趋势，系统性解读RAG 从传统方案走向智能体化、系统化的完整演进路径，具备前沿技术引领性。
聚焦跨文件、跨时序、跨模态检索推理核心难题，给出可工程化实现的技术架构与解决方案。
基于办公协同、记忆管理等真实业务场景落地，沉淀可直接复用的下一代 RAG 技术体系与实践方法论。