一种检索增强生成方式,由模型自己决定何时搜索、搜索什么以及是否已经找够,而不是遵循固定的先检索后回答的流水线。
为什么重要
如今大多数 AI 搜索产品都是这样工作的。ChatGPT、Claude、Gemini 和 Perplexity 中的深度研究功能,每个问题都会执行几十甚至上百次搜索。编程智能体也用同样的方式探索代码库:反复搜索和读取文件,而不是做一次嵌入查找。
它之所以变得实用,是因为模型在使用工具和评判自己的结果方面变强了。在难题上收益最大:多跳问题、需要澄清的模糊问题,以及第一次搜索才揭示出下一步该搜什么词的问题。
深度解析
经典 RAG 是一条固定的流水线:拿到用户的问题,检索一次排名最靠前的几个块,把它们贴进提示,然后生成答案。检索到什么,模型没有发言权。如果搜索没搜到,答案就是错的,而系统里没有任何环节会察觉。
Agentic RAG 让模型来主导检索。搜索变成了一个模型可以调用的工具,需要多少次就调用多少次。它可以把问题改写成更好的查询,把复杂问题拆成几部分,阅读结果,发现缺口,用刚学到的东西再搜一次,并在证据足够时停下来。
智能体能做什么
- 决定要不要检索。 “2+2 等于几”不需要搜索。
- 自己写查询。 用户写的问题往往很乱。模型可以把一个问题变成几次精确的搜索。
- 在多个来源中选择。 向量搜索、关键词搜索、SQL、网络搜索 API、文件工具和其他系统,都可以作为工具提供。
- 迭代。 阅读结果,顺着引用追下去,再不断细化。这就是把 ReAct 循环用在检索上。
- 自我检查。 评判检索到的段落是否真的回答了问题,并对照来源核实答案草稿。
最简单的版本
你不需要框架。给一个能力强的模型一两个描述清晰的搜索工具,告诉它先搜索再回答,并注明引用了什么,再限制步数上限。仅此一项,在难题上往往就能胜过精心调优的单次检索流水线。
取舍
- 延迟和成本:每一步搜索都是又一次模型调用。原本一秒钟的简单问题可能要十秒,一个深度研究任务可能要花几分钟,用掉几十万 token。
- 上下文膨胀:结果在上下文窗口里越堆越多,所以工具应该返回紧凑、相关的片段。
- 更难预测:智能体可能过早停下、原地打转或跑偏。评估必须看整条轨迹,而不只是答案。
- 安全:检索到的网页和文档可能含有提示注入,而拥有其他工具的智能体可能照着去做。
检索质量依然重要
智能体对糟糕的搜索工具只能弥补到一定程度。好的分块、混合搜索和重排序会让每一步更有用,并减少所需的步数。有意思的是,智能体用简单的工具往往也表现不错,比如关键词搜索和直接读文件,因为它们可以靠再试一次来弥补不精确。
什么时候用哪种
对于讲究速度的大量简单查询,比如根据 FAQ 回答的客服机器人,经典的单次检索 RAG 仍然是合适的工具。对于研究、分析和复杂问题,就让模型来主导。很多系统两者并用:先做一次快速检索,只有在需要时才让智能体进一步搜索。