Agentic RAG

智能体式 RAG 是一种检索增强生成（RAG），其中AI 智能体（即能够规划并循环调用工具的大型语言模型（LLM））会决定是否检索、搜索哪些来源，以及检索结果是否足以用于回答。标准 RAG 执行一次固定流程：嵌入问题、获取排名靠前的段落、生成答案。智能体可以将问题拆分为子问题，将其中一个发送到文档索引，另一个发送到 SQL 数据库或网络搜索；发现结果偏离主题后，还能改写查询并再次搜索。2025 年关于智能体式 RAG 的综述将这些行为归纳为四种智能体设计模式：反思、规划、工具使用和多智能体协作。

智能体式 RAG 的工作原理#

模型通过函数调用使用检索工具。每种工具（例如对文档进行向量搜索、数据库查询或网络搜索）都由名称和参数架构描述；模型需要使用工具时，会发出结构化调用。模型上下文协议（MCP）为智能体连接这类工具提供了标准方式。控制循环遵循 ReAct 模式，交替执行推理步骤和操作：

“本季度哪些供应商的延迟交货次数高于上季度？他们的合同允许哪些处罚？”这样的问题说明了循环为何重要。单次检索会将整个问题转换为嵌入，并返回泛泛提及延迟交货的合同段落。智能体会先查询交付数据库，统计各供应商的交付次数；然后，对交付次数增加的每家供应商分别搜索合同索引，并在答案中综合这两个来源。

工具不局限于文本。如果答案取决于摄像头此刻拍摄到的内容，智能体可以调用 Ultralytics YOLO26 模型作为工具：对最新帧执行预测会返回检测到的所有物体，而 results[0].summary() 会将检测结果转换为字典列表，其中包含类别名称、置信度和边界框坐标，供智能体像读取其他检索结果一样读取。

智能体式 RAG 与相关方法#

• 标准 RAG：通过固定管线针对每个问题检索一次，延迟和成本都较低且可预测，适用于一两个段落就能回答的问题。
• Self-RAG 与纠正式 RAG：Self-RAG（2023）通过训练模型输出反思 token，让模型决定何时检索并评估自己的输出；纠正式 RAG（2024）则增加了检索评估器，在检索文档评分较低时触发网络搜索。两者都只是在其他方面固定的管线中加入一种智能体行为。
• GraphRAG：从依据文档构建的知识图谱中检索实体、关系和社区摘要。智能体可以将图查询作为一种工具调用。
• 智能体工作流：多步骤 LLM 系统所属的更广泛类别，智能体式 RAG 是其中专注于查找信息的一种。
• 深度研究智能体：针对一个问题执行大量搜索的智能体式 RAG，通常由多个智能体分工完成。在 Anthropic 的多智能体研究系统中，Claude Opus 4 主智能体会将子任务交给并行运行的 Claude Sonnet 4 子智能体；在 Anthropic 的内部研究评测中，该系统的表现比单个 Opus 4 智能体高出 90.2%。

实际应用#

• 企业研究助手：回答涉及数据仓库、文档存储和网络的综合问题，例如将内部销售数据与竞争对手公布的业绩进行比较。
• 客户支持：智能体会在一个系统中查询订单状态，在另一个系统中检索退货政策，并在回复前判断是否适用退款。
• 制造业故障排查：助手会检索故障报告中所指机器的维护日志和手册页面；如果手册未说明该错误代码，还会搜索以往的事故工单。
• 智能体编程：编程智能体会搜索代码仓库、读取找到的文件，并利用过程中发现的名称再次搜索，然后再修改代码。

成本与失效模式#

每增加一个步骤就会增加一次 LLM 调用，因此智能体式 RAG 比单次检索更慢、成本也更高。Anthropic 对其多智能体研究系统的分析发现，智能体通常使用的 token 数量约为聊天交互的 4 倍，多智能体系统则约为 15 倍。智能体还会出现固定管线不会出现的问题：反复执行相似查询、未找到关键文档就停止、调用错误的工具，或将早期错误带入后续所有步骤，最终产生自信的幻觉。生产系统会限制步骤数量、记录完整执行轨迹，并通过智能体评估对整个轨迹评分。Anthropic 的分析发现，仅 token 用量就能解释 BrowseComp 浏览基准上 80% 的性能差异。