什么是 Agentic RAG？
Agentic RAG 是一种将 AI Agent 的自主决策能力融入 RAG 检索过程的进阶架构。传统 RAG 是"线性"的：用户提问 → 一次检索 → LLM 生成答案。Agentic RAG 则引入了"循环"：Agent 可以评估检索结果是否充分，如果不充分，可以自主决定下一步行动——改写查询、换一个数据源检索、从已检索到的文档中提取新的线索继续搜索。
Agentic RAG 的核心能力
查询重写：Agent 可以判断初始查询过于宽泛或模糊，自动细化为多个子查询。多源检索：Agent 可以同时或依次从多个数据源（向量库、搜索引擎、数据库、API）检索信息。迭代搜索：在初步检索结果中识别新的搜索关键词，继续搜索以获得更全面的信息。结果融合：从多个来源获取信息后进行去重、对比、排序和综合评估。自省与修正：Agent 对自己生成的答案进行评估，如果发现信息不充分，自动发起补充检索。
Agentic RAG vs 传统 RAG
传统 RAG 适用于"已知知识库、明确问题"的场景。Agentic RAG 适合问题复杂、需要多源信息整合、或用户需求不明确的场景——Agent 可以主动澄清需求、探索多个方向、直到找到最完整的答案。