Agentic RAG 深度解析：为什么下一代 RAG 不再是“检索一次就回答”
Agentic RAG 正在成为企业级 AI 应用的重要演进方向。与传统 RAG 固定的“检索+生成”流程不同，Agent 可以自主决定是否检索、检索几次、使用哪些数据源，并在发现结果不足时重新规划查询。本文结合 Routing RAG、Multi-step RAG、CRAG 与 Adaptive RAG 四种典型模式，解析其工作机制、适用场景与落地价值。
当越来越多企业把大模型接入知识库后，一个现实问题开始暴露：很多错误答案并不是模型能力不足，而是检索环节出了问题。传统 RAG（Retrieval-Augmented Generation）通常采用固定流程：用户提问 → 检索知识库 → 生成答案。如果第一次检索结果不准确，后续生成阶段往往会基于错误上下文继续输出，看起来合理但实际错误。Agentic RAG 的核心思想是：让 Agent 参与检索决...
·6 分钟
阅读全文