Agentic RAG通常讨论由智能体参与决定何时检索、怎样追问或是否需要更多资料的系统。术语用法并不完全一致,应说明实际任务及决策范围,而不是仅在普通RAG前增加一个名称。
检索可能需要多次判断
最初的问题可能不明确,资料也可能出现相互矛盾的解释。系统可以先澄清问题、查找材料,再判断是否足以形成结论;如果不足,也可以说明缺少什么。
与公开研究怎样连接
Self-RAG研究按需检索和对结果的反思,是相关研究中的一个例子。它不是Agentic RAG的严格同义词,文中的训练方式也不能直接套用到所有智能体检索系统。
与GraphRAG有什么不同
GraphRAG强调图结构参与检索与综合,Agentic RAG强调任务过程中的选择,两种关注点可以有交集。是否需要更多步骤,应由实际问题和评价结果决定。
理解这些问题时,可以结合RAG继续比较相关概念的含义与适用范围。
相关项目探索,可从LingoAI的智能体方向继续了解。
常见问题:检索次数越多越可靠? 不一定。重复或偏离问题的查找可能增加成本,也可能强化同一错误来源。
公开参考: Self-RAG。