Agentic RAG
Agentic RAG是一种结合智能体（Agent）机制与检索增强生成（RAG）技术的AI架构范式。它将检索操作封装为可调用工具，赋予大型语言模型自主规划、多步推理和动态迭代的能力，使模型能够根据任务需求自主决定何时检索、检索什么，并对结果进行验证与整合，从而处理比传统RAG更复杂的多跳问答和长链推理任务。
核心事实
时间轴 (近 90 天)
选择Agentic RAG的判断标准：简单问答、低延迟要求场景用传统RAG；知识密集、问题多变且复杂场景才上Agentic RAG。
工程实现Agentic RAG时必须设置循环轮数上限，防止模型陷入死循环。
对于公司员工手册问答这类简单场景，传统RAG的低延迟低成本反而更合适。
Agentic RAG相比传统RAG带来更高的延迟和Token成本。
工业界Agentic RAG有两种实现模式：模式一由独立模型做路由判断是否需要检索，模式二将知识库注册为工具供模型通过工具调用协议自主使用，后者支持更复杂的推理链路。
Agentic RAG 不强制每次提问都检索，而是让模型自己判断当前问题是否需要查知识库，更接近真实业务形态。
Footnote 是一个使用 Agent 循环进行检索的 Agentic RAG 系统，通过句子级 block 返回检索结果并由 API 校验引用，而非由模型自行生成引用编号。
在Google FRAMES基准测试中，一个简单的Agent循环（能读取检索结果并再次搜索）达到了92.7%的准确率
在多跳问题中，答案散落在多个文档里，需要先找到线索A才能知道该去查线索B，Agent循环把检索从一次性动作变成可反复执行的工具调用
架构复杂度应与任务收益匹配，当候选空间封闭且有限时多智能体的协商验证机制可能只增加成本而未触及准确率瓶颈
还有 4 条时间轴事件
全部知识事实 (20)
RAG的技术演进经历了三个阶段：Naive RAG、Advanced RAG和Modular RAG
80%已验证Agentic RAG赋予模型自主规划能力，可判断信息是否充分、决定是否多轮检索、选择调用工具或数据源，并进行自我反思和迭代修正
65%已验证传统RAG的流程是单向固定的一次性流程，而Agentic RAG是循环迭代的多步执行流程
65%待验证Agentic RAG用搜索工具替代了固定流水线，让Agent自主决定是否调用搜索、何时重写查询、是否需要多轮检索
90%待验证传统RAG中大模型只在最后的生成阶段才被使用，而Agentic RAG从用户输入问题的那一刻起就让大模型参与决策
90%待验证Agentic RAG的实现依赖模型具备三类关键能力：规划能力（Planning）、工具调用能力（Tool Use）和多步迭代能力（Iteration）
80%部分验证Agentic RAG的核心思想是将RAG中的各个环节封装成可调用的工具（Tool），并赋予大模型自主决策的能力
80%待验证Agentic RAG中模型可以在一次用户请求中执行5-10次甚至更多的工具调用
70%待验证Agentic RAG的迭代推理能力带来延迟增加、成本上升和行为可预测性降低等工程挑战
60%待验证Agentic RAG采用'思考→行动→观察→再思考'的循环闭环模式，模型可以在生成最终答案之前进行多步工具调用和动态策略调整
60%待验证选择Agentic RAG的判断标准：简单问答、低延迟要求场景用传统RAG；知识密集、问题多变且复杂场景才上Agentic RAG。
50%待验证工业界Agentic RAG有两种实现模式：模式一由独立模型做路由判断是否需要检索，模式二将知识库注册为工具供模型通过工具调用协议自主使用，后者支持更复杂的推理链路。
50%待验证Agentic RAG相比传统RAG带来更高的延迟和Token成本。
50%待验证对于公司员工手册问答这类简单场景，传统RAG的低延迟低成本反而更合适。
50%待验证工程实现Agentic RAG时必须设置循环轮数上限，防止模型陷入死循环。
50%待验证Agentic RAG 不强制每次提问都检索，而是让模型自己判断当前问题是否需要查知识库，更接近真实业务形态。
50%待验证Footnote 是一个使用 Agent 循环进行检索的 Agentic RAG 系统，通过句子级 block 返回检索结果并由 API 校验引用，而非由模型自行生成引用编号。
50%待验证在Google FRAMES基准测试中，一个简单的Agent循环（能读取检索结果并再次搜索）达到了92.7%的准确率
50%待验证在多跳问题中，答案散落在多个文档里，需要先找到线索A才能知道该去查线索B，Agent循环把检索从一次性动作变成可反复执行的工具调用
50%待验证架构复杂度应与任务收益匹配，当候选空间封闭且有限时多智能体的协商验证机制可能只增加成本而未触及准确率瓶颈
50%