#353.视觉智能RAG与Agent框架：突破传统限制，构建多模态AI应用

本期跨国串门计划播客克隆了 AWS 首席机器学习布道师 Suman Debnath 的技术分享，深入探讨了基于视觉的检索技术以及如何利用 Agent 框架构建智能应用。Suman 首先介绍了多模态 RAG 的三种方案，然后重点讲解了基于视觉的检索模型 Call Patcher，详细阐述了其工作原理和优势，并分享了实际应用案例。他还介绍了 Strands Agent 框架，展示了如何用它将整个工作流变成一个 Agent，并加上语音功能。在随后的问答环节，Suman 解答了听众关于该技术在生产环境中的应用、扩展性以及与其他技术的结合等问题，强调了根据数据特点选择合适技术的重要性。