AgenticRAG比传统RAG强在哪？

Agentic RAG 是传统检索增强生成（RAG）技术与AI智能体（Agent）自主能力相结合的一种进阶范式。

Agentic RAG的智能体特征主要体现在检索阶段，相对于传统RAG的检索，Agentic RAG更能够：

决定是否需要检索

自主决策使用哪个检索引擎

自主规划使用检索引擎的步骤

评估检索到的上下文，并决定是否重新检索

自行规划是否需要借助外部工具

在不同类型的RAG管道间自主选择（路由），以适应任务的多样性：

融合多种类型的RAG管道与数据源，以适应综合性复杂查询任务：

与必要的外部工具协作，以增强输出的准确性：

单Agent的Agentic RAG

在这个架构中，只有一个具有自主能力的Agent。

RAG管道与外部工具都作为Tool提供给Agent，Agent根据输入问题规划与决策这些工具的使用，检索与累积更全面的上下文。

多Agent的Agentic RAG

一个顶层的Agent负责协调多个二级Agent。

每个二级Agent再负责特定领域或特定类型的检索或查询任务，可以根据需要灵活划分不同Agent的职责。

比如：

• Agent1负责企业内部知识库的检索。
  • 协调使用多个不同索引类型的检索器，如向量、知识图谱、甚至SQL检索。
• Agent2负责客户相关数据的检索任务。
  • 协调使用多个不同地区客户数据的检索器。
• Agent3负责借助各种工具从互联网检索必要的外部信息。
• 顶层的Agent则负责管理与协调使用上面三个Agent来共同完成复杂查询任务。
  • 实现任务拆分、派发与搜集结果，并最终响应用户。