科技巨头们每天都在生产环境中使用多模态 RAG（Retrieval-Augmented Generation，检索增强生成）系统。
比如：
- Spotify 用它来回答音乐相关的问题；
- YouTube 用它把文字提示词变成音乐；
- Amazon Music 用它根据提示词创建歌单。
今天，我们来学习如何构建一个能通过语音查询文档和音频文件的多模态 Agentic RAG 系统。
下文我们详细剖析之。
一、多模态 Agentic RAG 架构设计和代码实现
1、多模态 Agentic RAG 技术栈
- AssemblyAI：用于语音转文字。
- Milvus：作为向量数据库。
- Beam：用于部署（开源）。
- CrewAI Flows：用于流程编排。
2、多模态 Agentic RAG 架构设计和工作流程
- 用户输入数据（音频+文档）。
- AssemblyAI 对音频文件进行转录。
- 将转录后的文本和文档嵌入到 Milvus 向量数据库中。
- Research 智能体根据用户的查询检索信息。
- Response 智能体利用这些信息来构建回答。
3、多模态 Agentic RAG 代码落地
第一步、数据输入
用户提供文本和音频数据，放在数据目录中。
CrewAI Flow 负责发现文件并准备好后续处理。
**
第二步、语音转文字
使用 AssemblyAI 的语音转文字平台将用户的音频输入转录成文字。
AssemblyAI 不是开源的，但它提供很多免费的转录额度，足以满足这个演示的需求。
你可以在这里获取 AssemblyAI 的 API 密钥，免费转录 100+ 小时的音频 →https://www.assemblyai.com/。
第三步、嵌入数据
将上一步转录的文本数据和输入的文本数据嵌入到 Milvus 向量数据库中。
**
第四步、用户查询
用户输入语音查询，由 AssemblyAI 都转录成文字。
**
**
第五步、检索上下文
为查询生成嵌入向量，并从 Milvus 向量数据库中拉取最相关的片段。
第六步、生成回答
根据检索到的相关上下文，调用 Crew 生成清晰且有引用的回答。
第七步、最终呈现
将所有内容整合到一个简洁的 Streamlit 界面中，并使用 Beam（开源）将应用部署到无服务器容器中。
我们导入必要的 Python 依赖项，并指定容器的计算规格。
第八步、部署完成
部署完成后，我们将获得一个 100% 私有的多模态 Agentic RAG 流程部署。
4、总结
以上就是构建自己的多模态 Agentic RAG 的方法。
以下是一些相关链接：
- Beam GitHub 仓库
- → https://github.com/beam-cloud/beta9/
- 获取 AssemblyAI API 密钥
- → https://www.assemblyai.com/
- 今天的项目代码在这里
- →https://github.com/patchy631/ai-engineering-hub/tree/main/multimodal-rag-assemblyai
普通人如何抓住AI大模型的风口？
领取方式在文末
为什么要学习大模型？
目前AI大模型的技术岗位与能力培养随着人工智能技术的迅速发展和应用 ， 大模型作为其中的重要组成部分 ， 正逐渐成为推动人工智能发展的重要引擎 。大模型以其强大的数据处理和模式识别能力， 广泛应用于自然语言处理 、计算机视觉 、 智能推荐等领域 ，为各行各业带来了革命性的改变和机遇 。
目前，开源人工智能大模型已应用于医疗、政务、法律、汽车、娱乐、金融、互联网、教育、制造业、企业服务等多个场景，其中，应用于金融、企业服务、制造业和法律领域的大模型在本次调研中占比超过30%。
随着AI大模型技术的迅速发展，相关岗位的需求也日益增加。大模型产业链催生了一批高薪新职业：
人工智能大潮已来，不加入就可能被淘汰。如果你是技术人，尤其是互联网从业者，现在就开始学习AI大模型技术，真的是给你的人生一个重要建议！
最后
只要你真心想学习AI大模型技术，这份精心整理的学习资料我愿意无偿分享给你，但是想学技术去乱搞的人别来找我！
在当前这个人工智能高速发展的时代，AI大模型正在深刻改变各行各业。我国对高水平AI人才的需求也日益增长，真正懂技术、能落地的人才依旧紧缺。我也希望通过这份资料，能够帮助更多有志于AI领域的朋友入门并深入学习。
真诚无偿分享！！！
vx扫描下方二维码即可
加上后会一个个给大家发
大模型全套学习资料展示
自我们与MoPaaS魔泊云合作以来，我们不断打磨课程体系与技术内容，在细节上精益求精，同时在技术层面也新增了许多前沿且实用的内容，力求为大家带来更系统、更实战、更落地的大模型学习体验。
希望这份系统、实用的大模型学习路径，能够帮助你从零入门，进阶到实战，真正掌握AI时代的核心技能！
01教学内容
从零到精通完整闭环：【基础理论 →RAG开发 → Agent设计 → 模型微调与私有化部署调→热门技术】5大模块，内容比传统教材更贴近企业实战！
大量真实项目案例：带你亲自上手搞数据清洗、模型调优这些硬核操作，把课本知识变成真本事！
02适学人群
应届毕业生：无工作经验但想要系统学习AI大模型技术，期待通过实战项目掌握核心技术。
零基础转型：非技术背景但关注AI应用场景，计划通过低代码工具实现“AI+行业”跨界。
业务赋能突破瓶颈：传统开发者（Java/前端等）学习Transformer架构与LangChain框架，向AI全栈工程师转型。
vx扫描下方二维码即可
本教程比较珍贵，仅限大家自行学习，不要传播！更严禁商用！
03入门到进阶学习路线图
大模型学习路线图，整体分为5个大的阶段：
04视频和书籍PDF合集
从0到掌握主流大模型技术视频教程（涵盖模型训练、微调、RAG、LangChain、Agent开发等实战方向）
新手必备的大模型学习PDF书单来了！全是硬核知识，帮你少走弯路（不吹牛，真有用）
05行业报告+白皮书合集
收集70+报告与白皮书，了解行业最新动态！
0690+份面试题/经验
AI大模型岗位面试经验总结（谁学技术不是为了赚$呢，找个好的岗位很重要）
07 deepseek部署包+技巧大全
由于篇幅有限
只展示部分资料
并且还在持续更新中…
真诚无偿分享！！！
vx扫描下方二维码即可
加上后会一个个给大家发
