代理RAG
Agentic RAG 透過讓代理人在回答之前決定搜尋的時間、內容和次數來升級普通的檢索增強生成。
概述
Instead of one fixed lookup, it reasons, retrieves, and refines in a loop.
深入探討
經典的檢索增強生成（RAG）只做一件事：接受使用者的問題，從向量儲存中獲取一些相關文檔，並將它們填充到提示中。 Agentic RAG 讓檢索成為一項主動決策。代理首先會推理是否需要搜尋、使用什麼查詢以及要查詢哪個來源。它可以將一個難題分解為子問題，對每個子問題進行檢索，評估結果是否足夠，如果不足夠，則使用細化查詢再次搜尋。它可以根據問題在多個知識庫之間路由、呼叫網路搜尋或使用 SQL 資料庫。這種迭代的工具選擇行為可以處理多跳問題（「我們在德克薩斯州的哪些客戶在政策更改後註冊了？」），而單次 RAG 的回答效果很差，代價是更多的模型調用和延遲。
技術洞察
代理將獵犬視為工具。在每一輪中，它都可以選擇一個檢索操作，檢查返回的區塊，判斷它們的相關性，並決定使用重新制定的請求來回答或再次查詢。具有停止條件（足夠的證據或步驟限制）的循環控制迭代。一些設計添加了一個分級步驟，可以在生成之前過濾掉不相關的檢索塊，從而減少模型被偏離主題的上下文誤導的機會。
戰略影響
配裝選擇
應用級設計決定了人工智慧是否能改善實際結果。
團隊與工作流程
良好的工作流程整合可以創造使用者值得信賴的生產力效益。
風險與安全
範圍明確的用例可以減少變更疲勞和實施風險。
Agentic RAG 的未來
Agentic RAG 正在與更廣泛的代理框架融合：檢索與計算器、程式碼執行和 API 一起成為眾多工具中的一種。期望更聰明的查詢規劃、檢索證據的自我分級以及過去檢索的快取以降低成本。更好的來源路由將允許一個代理程式從內部文件、網路和結構化資料庫中獲取單一答案。主要的壓力，準確性與延遲和費用，將推動自適應系統僅在問題確實需要時才使用大量的多步驟檢索。
現實世界的實施
企業助手，根據問題決定是否查詢HR手冊、程式碼庫wiki或SQL銷售資料庫。
一個研究助手，將「比較藥物 A 和藥物 B 的副作用」分為兩次搜索，分別檢索，然後進行綜合。
支援機器人檢索文檔，判斷文檔是否不足，重新制定查詢，並在回復之前再次搜尋。
一種執行多跳檢索、尋找條款，然後搜尋其引用的法規的法律工具。
風險與防護欄
將損壞的流程自動化可能會加劇現有問題。
團隊可能會過度自動化並消除所需的人工判斷。
如果不持續評估輸出，品質可能會出現偏差。
實施路線圖
繪製目前工作流程並確定摩擦最大的步驟。
在完全自動化之前定義人工檢查點。
對使用者進行提示、升級路徑和品質標準的訓練。
追蹤任務級結果以確認持續價值。
不斷探索
Free newsletter
Get the daily AI briefing
Three verified AI stories every weekday morning, written in plain English. Free forever, no ads.
One email each weekday. Unsubscribe in one click. We never sell or share your address.
Test yourself
Take the Agentic RAG quiz
Instant feedback on every answer, and a shareable certificate with a verifiable ID once you pass a course.
Support free AI education. AI Understanding is a 501(c)(3) nonprofit — no ads, no paywall, ever. Make a donation
常見問題
What is Agentic RAG?
Agentic RAG 透過讓代理人在回答之前決定搜尋的時間、內容和次數來升級普通的檢索增強生成。它不是一次固定的查找，而是循環推理、檢索和細化。
代理 RAG 和經典 RAG 之間的主要區別是什麼？
經典 RAG 執行一次固定查找；代理 RAG 使檢索成為由代理控制的主動、迭代決策。
代理 RAG 如何處理困難的多跳問題？
分解子問題並檢索每個子問題的證據是 Agentic RAG 的核心優勢。
在代理 RAG 中，對於代理程式來說，檢索器最好的描述是什麼？
代理將每個檢索器視為一個工具，並決定在每個回合是否以及如何使用它。
可選的「分級」步驟在 Agentic RAG 中扮演什麼角色？
對檢索到的區塊的相關性進行分級可以降低偏離主題的上下文誤導模型的風險。
與單次 RAG 相比，代理 RAG 的主要成本是多少？
迭代推理和重複檢索可以改善答案，但會增加延遲和費用。