大型语言模型（LLMs）在处理非结构化文本方面表现优异，但在从结构化数据中提取信息时仍存在高成本和低效率的问题。本文提出了一种结合LLMs与Redis的学习代理系统，利用多代理架构和语义缓存策略，实现对复杂数据集的高效问答。该系统通过用户反馈和错误学习不断优化查询过程，提高准确性和响应速度，特别适用于金融和保险领域。