https://x7peeps.com/tags/%E5%A4%9A%E6%AD%A5%E6%8E%A8%E7%90%86/index.htmlHugozh-CNWed, 22 Jul 2026 12:11:19 +0000https://x7peeps.com/AI/04-RAG%E4%B8%8E%E7%9F%A5%E8%AF%86%E5%BA%93/Agentic-RAG%E8%AE%A9Agent%E9%A9%B1%E5%8A%A8%E6%A3%80%E7%B4%A2%E5%A2%9E%E5%BC%BA%E7%94%9F%E6%88%90%E7%9A%84%E6%9E%B6%E6%9E%84%E6%BC%94%E8%BF%9B%E4%B8%8E%E5%B7%A5%E7%A8%8B%E5%AE%9E%E8%B7%B5/index.htmlWed, 22 Jul 2026 12:11:19 +0000https://x7peeps.com/AI/04-RAG%E4%B8%8E%E7%9F%A5%E8%AF%86%E5%BA%93/Agentic-RAG%E8%AE%A9Agent%E9%A9%B1%E5%8A%A8%E6%A3%80%E7%B4%A2%E5%A2%9E%E5%BC%BA%E7%94%9F%E6%88%90%E7%9A%84%E6%9E%B6%E6%9E%84%E6%BC%94%E8%BF%9B%E4%B8%8E%E5%B7%A5%E7%A8%8B%E5%AE%9E%E8%B7%B5/index.htmlAgentic RAG：让 Agent 驱动检索增强生成的架构演进与工程实践 传统 RAG 系统的工作方式可以类比为一个忠实但缺乏主动性的图书管理员——你提出问题，它在指定的书架上搜索相关段落，然后把原文呈现给你。这个模式在简单事实查询场景下运转良好，但当用户问出"对比分析 A 方案和 B 方案在生产环境中的性能差异，并给出推荐"这样的复合型问题时，单次检索的静态管道就显得力不从心。传统 RAG 的根本局限在于检索决策是预定义的、不可调整的——系统不会根据中间推理结果动态调整检索策略，无法判断当前检索结果是否充分，更不能自主发起多轮检索。