Agentic RAG：智能体检索增强生成

可视化演示

展示Agentic RAG多轮检索决策循环、动态查询改写策略、以及检索结果验证与重排机制。切换模式探索Agent驱动的智能检索流程。

智能体定位

传统 RAG 像一个图书管理员——你问“公司报销流程”，他冲到书架前翻出《行政手册》递给你，翻到哪页算哪页，从不考虑你真正缺的是什么。而 Agentic RAG 里的“智能体”更像一位经验老到的侦探：接案后不急着翻档案，先听清楚你的诉求，判断该去哪里找、找几轮、找回来的东西是否可信。这种“先思考、再行动”的定位，就是把 RAG 从“被动翻书”升级为“主动办案”。

智能体（Agent）是大语言模型外接的一层“大脑外壳”，它把检索、工具调用、记忆这些动作封装成一个个可以决策的环节。它不仅能执行“检索”这个动作，还能决定“要不要检索”“先检索什么”。Agentic RAG 正是让这个侦探在 RAG 流水线里掌舵，把原来线性的一条流水线，变成可以来回斟酌的破案流程。

一个智能体的核心循环包含三个阶段：利用当前状态思考，选择下一个动作，执行动作后吸收观察结果并更新状态。这里的“状态”是侦探的办案笔记，“动作”是翻档案、问路人、写报告，“观察”是每次行动获得的新线索。数学上可以写成：

侦探的破案循环和智能体的循环其实是同一件事：思考→行动→观察→再思考。理解了“办案循环”，后面所有 Agentic RAG 技巧——该不该搜、搜几轮、怎么搜、怎么验——都只是侦探办案手法的具体化。

检索决策

侦探接案后第一件事不是冲出门，而是快速评估：这案子我凭经验直接答，还是必须查档案？Agentic RAG 的“检索决策”就是干这个的。传统 RAG 是“有问必搜”，把检索预算浪费在大量简单问题上；而带决策的 RAG 会先判断知识缺口是否存在，再决定要不要动用检索资源。

检索决策是 Agent 在 RAG 中的第一道把关动作，包含需求判断（用户是否真的需要外部知识）、检索规划（缺哪块就查哪块）、知识库选择（该查制度库还是产品库）以及检索时机（现在查还是等追问后再查）。它把“无限检索”变成了“按需检索”，像侦探判断哪些案子需要出现场、哪些电话里就能答复。

工程上最朴素的实现，是让模型对当前问题给出一个“自答置信度” $C(q)$——相当于侦探评估“我靠经验答有几分把握”。当置信度低于阈值 $\tau$ 时，判定存在知识缺口，发起检索；否则直接作答，省下时间和费用：

侦探不会对每个问路人都掏出一沓档案，该省则省。检索决策让系统把预算花在真正的知识缺口上，回答更快、成本更低，这是 Agentic RAG 在真实工程中最先兑现收益的一环。

多轮检索

侦探查案很少一圈搞定：先翻第一份档案，发现一个疑点，顺着疑点去翻第二份，直到线索闭合。多轮检索就是把“搜一次就交差”变成“搜→查缺口→再搜→收敛”的循环。单轮 RAG 最大的问题是“一问一答”——第一轮检索到的文档可能不够、互相矛盾，或压根答非所问。

多轮检索让 Agent 在每一轮结束后审视自己的“办案笔记”：现有证据能不能支撑最终回答？缺什么就补什么，产生新的查询继续检索。这个迭代过程在数学上可以表示为第 $t$ 轮拿查询 $q_t$ 去检索得到文档集 $D_t$，再根据 $D_t$ 暴露的缺口精炼出下一轮查询：

多轮绝不是无限循环，否则成本会失控。收敛条件通常是看“信息增益”：如果这一轮检索几乎没有带回新文档，说明线索已经榨干，该收队了：

侦探搜证的原则是“够破案就收手”。Agentic RAG 同样在信息增益低于阈值时收队，既保证证据链完整，又不浪费办案预算，这就是多轮检索与“死循环”的本质区别。

动态查询改写

侦探问路时会换说法：问大爷用“老车站”，问年轻人用“地铁站老出口”。同一个意图，对不同“线人”要用不同的话。动态查询改写正是这个道理：用户提问往往简短、口语化、隐含大量背景，直接拿去检索，术语不匹配，命中率很低。

Agent 在发起检索之前先改写查询：补齐实体名称、把口语映射到知识库里的标准术语、把模糊的大问题拆成几个具体的子问题。改写不是把句子变长，而是把“潜台词”显式化。比如“我怎么报销差旅”改写为“差旅报销流程 + 交通票据要求 + 住宿标准上限”三个子查询，分别检索再汇总。

一种典型策略是子问题分解：把大问题 $Q$ 切成 $n$ 个小问题，各自检索各自回答，最后把答案整合成完整结论：

一个会换问法的侦探，撬开的信息比埋头翻字典的图书管理员多得多。动态查询改写让 Agentic RAG 在口语化、碎片化的真实用户问题面前命中率明显提升，是性价比很高的优化点。

结果验证

侦探最怕假线索：证人说“昨晚 9 点看到嫌疑人”，监控却显示他 8 点就在外地。Agentic RAG 同样会遇到互相矛盾的文档——这时候不能照单全收。结果验证就是 Agent 对检索结果做的“交叉问询”：检验每条候选与问题的相关性、与已知事实的一致性，发现矛盾就当场标记。

验证的逻辑很像给线人的证词打分：既和案子相关、又和其他硬证据对得上的证词才记录在案，无关或矛盾的证词直接作废。这样做的直接好处是，生成模型拿到的是“干净的证据链”，而不是一锅互相打架的乱炖。

技术实现上，验证可以形式化为对每个候选文档 $d$ 的判定——相关性分数不低于阈值 $\gamma$，且冲突检测结果为 0，才允许进入最终上下文：

侦探结案前会反复核对物证链，Agentic RAG 也在生成答案前先清理“矛盾口供”。这一步直接决定了最终回答的可靠性，是高级 RAG 与玩具级 RAG 拉开差距的关键。

重排优化

破案报告里，侦探会把证据按可信度排好：物证排在最前，目击证词次之，路边传闻最后。重排（Rerank）就是给检索回来的文档重新排序，把最该被生成模型看到的证据放到最前面。初检（比如向量相似度或 BM25）追求召回速度，排序比较粗糙；重排阶段用更强、也更慢的模型对“查询-文档”对重新精打分。

重排的实现思路是“先海选、再精排”：轻量检索器快速捞出候选，重排器逐条精评。最常用的融合打分，是把轻量检索分与深度重排分按权重相加——用 $\alpha$ 来控制谁说了算：

侦探把最关键物证摆在桌面中央，生成模型自然照着重点写。重排是投入产出比很高的一环——不用换检索器，只是排序更聪明，答案质量就能有明显提升，还能顺带压缩进上下文的证据数量。

系统集成实践

把侦探的所有能力拼成一支队伍——决策、改写、多轮检索、验证、重排——这些模块怎么组装、谁先谁后、花多少预算，就是系统集成实践。一个典型的 Agentic RAG 流程是：问题进来先做检索决策，进入循环体（改写→检索→验证→缺口判断），循环到收敛后重排，最后交给生成模型作答。

工程上需要几个关键配套：编排框架负责把循环体串起来（相当于给侦探配一个调度台）；共享记忆负责跨轮跨任务传递“办案笔记”；成本控制对工具调用次数设上限，防止单次问答烧掉过多预算。评估也不能只看最终回答漂不漂亮，还要盯检索链路的健康度，常用的是一组配对指标——回答质量用 F1，系统开销用工具调用总次数：

一支训练有素的侦探队，需要明确的组织架构和结案标准。Agentic RAG 也一样——流程编排、记忆、成本、评估四件套齐全，才能真正从“Demo 惊艳”走向“生产可用”。

---

AI 应用场景

Python 演示

# -*- coding: utf-8 -*-# 迷你 Agentic RAG：模拟侦探办案循环，演示检索决策、多轮检索与验证import re CORPUS = {    "doc1": "Transformer 依赖自注意力机制并行处理序列数据。",    "doc2": "RAG 将检索器与生成器结合以回答知识密集型问题。",    "doc3": "Agentic RAG 由智能体自主决定检索时机与策略。",    "doc4": "香蕉是黄色水果，富含钾元素。",    "doc5": "倒挂金钟喜凉爽湿润环境，忌暴晒。",}TOKENS = {d: set(re.findall(r"[\w\u4e00-\u9fff]+", text)) for d, text in CORPUS.items()}  class AgenticRAG:    def __init__(self, threshold=0.35, max_rounds=3):        self.threshold = threshold        self.max_rounds = max_rounds        self.claimed_count = 0     def confidence(self, question):        words = set(re.findall(r"[\w\u4e00-\u9fff]+", question))        return min(1.0, len(words) / 10.0)     def retrieve(self, question, top_k=2):        q_tokens = set(re.findall(r"[\w\u4e00-\u9fff]+", question))        scored = []        for doc_id, tokens in TOKENS.items():            overlap = len(q_tokens & tokens)            scored.append((overlap, doc_id))        scored.sort(reverse=True)        return [doc_id for _, doc_id in scored[:top_k]]     def validate(self, question, doc_ids):        kept = []        for doc_id in doc_ids:            self.claimed_count += 1            if "RAG" in CORPUS[doc_id] or "智能" in CORPUS[doc_id]:                kept.append(doc_id)        return kept if kept else doc_ids     def rewrite(self, question):        if "检索" not in question:            return question + " 与检索 RAG"        return question + " 追加子问题"     def answer(self, question):        seen = set()        for _ in range(self.max_rounds):            if self.confidence(question) >= self.threshold:                return "直接作答：置信度足够，无需检索。"            q = self.rewrite(question)            doc_ids = self.retrieve(q)            valid = self.validate(question, doc_ids)            new_docs = [d for d in valid if d not in seen]            seen.update(new_docs)            if not new_docs:                break            question = q + " 继续追问"        if seen:            return "综合证据：" + " ".join(CORPUS[d] for d in list(seen)[:2])        return "未找到可用证据。"  if __name__ == "__main__":    agent = AgenticRAG()    for q in ["什么是 RAG？", "今天天气如何？", "Agentic RAG 有何特点？"]:        print("Q:", q)        print("A:", agent.answer(q))    print("验证次数:", agent.claimed_count)

1. TOKENS = {d: set(re.findall(...)) for d, text in CORPUS.items()}把每篇文档切成词集，相当于给书页提前做好索引标签。
2. def confidence(self, question):侦探评估“我有多大的把握直接回答”，词数越少把握越低。
3. if self.confidence(question) >= self.threshold:把握足够高就走捷径直接答，省掉检索开销。
4. q = self.rewrite(question)把握不足就先换个说法再出门找线索，对应动态查询改写。
5. for doc_id, tokens in TOKENS.items():挨个知识库文件比对与问题的重合词，模拟轻量检索。
6. overlap = len(q_tokens & tokens)重合词越多，该文档与问题越相关，排进候选名单。
7. valid = self.validate(question, doc_ids)对候选取回的证据做“交叉问询”，只留与主题相关的。
8. if not new_docs: break新线索没有了，说明证据链已经榨干，按收敛条件收队。
9. return "综合证据：" + ...把验证过的证据拼成最终答案，对应“结案报告”。

常见误区

面试题