Agentic RAG智能体检索
一句话总结
Agentic RAG将Agent能力引入RAG系统，使检索过程具备自主规划、多步推理和动态决策能力，能处理复杂的信息需求。
核心概念
传统RAG是单轮检索-生成的固定管道。Agentic RAG引入Agent循环：分析问题→制定检索计划→执行检索→评估结果→决定是否需要追加检索或换策略。核心能力包括：查询分解（将复杂问题拆分）、自适应检索（根据结果动态调整）、多源协调（同时查询多个知识库）、自我反思（判断检索结果是否充分）。
为什么重要
复杂问题往往需要多步检索和推理，单轮RAG无法满足。Agentic RAG能自主决定搜索策略和判断信息完整性，大幅提升复杂问题的回答质量。它代表了RAG从被动管道向主动智能系统的演进方向。
实践要点
使用LLM作为路由器决定是否需要检索以及检索哪些数据源。实现检索结果的自动评估和反馈循环。设置最大迭代次数防止死循环。在简单问题上保持单轮检索的效率。关注多步推理带来的延迟累积和成本增加。
常见误区
对简单问题也使用多步Agent流程导致过度工程。Agent循环缺乏终止条件导致无限检索。忽视每一步Agent调用的成本和延迟。检索评估标准不明确导致无效循环。