Agentic RAG

La generazione aumentata dal recupero (RAG) agentica è una forma di generazione aumentata dal recupero (RAG) in cui un agente IA, ovvero un modello linguistico di grandi dimensioni (LLM) che pianifica e richiama strumenti in un ciclo, decide se recuperare informazioni, quali fonti consultare e se i risultati sono sufficienti per rispondere. La RAG standard esegue un unico passaggio predefinito: codifica la domanda, recupera i passaggi più rilevanti e genera la risposta. Un agente può suddividere una domanda in sotto-domande, inviarne una a un indice di documenti e un'altra a un database SQL o a una ricerca sul web, notare che un risultato non è pertinente, riscrivere la query e cercare di nuovo. Una rassegna del 2025 sulla RAG agentica raggruppa questi comportamenti in quattro pattern di progettazione agentica: riflessione, pianificazione, uso di strumenti e collaborazione multi-agente.

Come funziona la RAG agentica#

Il modello raggiunge gli strumenti di recupero tramite il richiamo di funzioni. Ogni strumento, come una ricerca vettoriale nei documenti, una query al database o una ricerca sul web, è descritto da un nome e da uno schema dei parametri; il modello genera una chiamata strutturata ogni volta che vuole usarlo. Il Model Context Protocol (MCP) offre agli agenti un metodo standard per connettersi a questi strumenti. Il ciclo di controllo segue il pattern ReAct, alternando fasi di ragionamento e azioni:

Una domanda come «Quali fornitori hanno avuto più consegne in ritardo in questo trimestre rispetto al precedente e quali penali prevedono i loro contratti?» mostra perché il ciclo è importante. Un unico passaggio di recupero codifica l'intera domanda e restituisce passaggi contrattuali che menzionano in generale i ritardi nelle consegne. Per prima cosa, un agente interroga il database delle consegne per ottenere il conteggio per fornitore; poi cerca nell'indice dei contratti una volta per ogni fornitore il cui conteggio è aumentato e combina entrambe le fonti nella risposta.

Gli strumenti non si limitano al testo. Quando una risposta dipende da ciò che una telecamera sta riprendendo in quel momento, un agente può richiamare come strumento un modello Ultralytics YOLO26: la predizione sull'ultimo frame restituisce tutti gli oggetti rilevati e results[0].summary() trasforma i rilevamenti in un elenco di dizionari con il nome della classe, la confidenza e le coordinate delle box, che l'agente interpreta come qualsiasi altro risultato recuperato.

RAG agentica a confronto con gli approcci correlati#

• RAG standard: recupera informazioni una volta per domanda tramite una pipeline predefinita, con latenza e costi bassi e prevedibili. È adatta alle domande a cui bastano uno o due passaggi per rispondere.
• Self-RAG e RAG correttiva: Self-RAG (2023) addestra un modello a generare token di riflessione che decidono quando recuperare informazioni e valutano il suo stesso output; RAG correttiva (2024) aggiunge un valutatore del recupero che avvia una ricerca sul web quando i documenti recuperati ottengono un punteggio basso. Entrambe integrano un singolo comportamento agentico in una pipeline altrimenti predefinita.
• GraphRAG: recupera entità, relazioni e riepiloghi di comunità da un grafo della conoscenza creato a partire dai documenti. Un agente può richiamare le query al grafo come uno dei suoi strumenti.
• Flussi di lavoro agentici: la famiglia più ampia di sistemi LLM a più fasi, di cui la RAG agentica è il membro specializzato nella ricerca di informazioni.
• Agenti di ricerca approfondita: RAG agentica estesa a numerose ricerche per una sola domanda, spesso suddivise tra diversi agenti. Nel sistema di ricerca multi-agente di Anthropic, un agente principale Claude Opus 4 assegna sottoattività ad agenti secondari Claude Sonnet 4 in parallelo; il sistema ha superato del 90.2% un singolo agente Opus 4 nella valutazione interna di ricerca di Anthropic.

Applicazioni nel mondo reale#

• Assistenti di ricerca aziendale: rispondono a domande che richiedono dati da un data warehouse, archivi di documenti e dal web, come il confronto tra i dati interni sulle vendite e i risultati pubblicati da un concorrente.
• Assistenza clienti: un agente controlla lo stato di un ordine in un sistema, recupera la politica dei resi da un altro e decide se è previsto un rimborso prima di rispondere.
• Risoluzione dei problemi in ambito manifatturiero: un assistente recupera il registro di manutenzione e le pagine del manuale relative alla macchina indicata in un rapporto di guasto e, se il manuale non descrive il codice di errore, cerca nei ticket degli incidenti precedenti.
• Programmazione agentica: gli agenti di programmazione cercano in un repository, leggono i file trovati e avviano altre ricerche usando i nomi scoperti nel frattempo, prima di modificare il codice.

Costi e modalità di errore#

Ogni passaggio aggiuntivo comporta una chiamata LLM, quindi la RAG agentica è più lenta e costosa di un singolo passaggio. L'analisi di Anthropic sul suo sistema di ricerca multi-agente ha rilevato che gli agenti usano in genere circa 4 volte più token delle interazioni in chat e i sistemi multi-agente circa 15 volte di più. Gli agenti possono anche fallire in modi che non riguardano le pipeline predefinite: ripetono query simili, si fermano prima di trovare il documento chiave, richiamano lo strumento sbagliato o propagano un errore iniziale in tutti i passaggi successivi, producendo allucinazioni espresse con sicurezza. I sistemi in produzione limitano il numero di passaggi, registrano tracce complete e valutano le traiettorie nel loro insieme con la valutazione degli agenti. Nell'analisi di Anthropic, il solo uso di token spiegava l'80% della varianza nelle prestazioni sul benchmark di navigazione BrowseComp.