★ FEATURED ARTICLE 同样接知识库为什么有的系统只会查一次有的会边查边想经典 RAG 是查一次字典再答题的线性管道Agentic RAG 是会思考的调研员——先查、不够再查、换着来源查、验证过再写报告。两者的区别不在检不检索而在谁决定怎么检索。这篇把两种架构的流程、差异、典型实例和选型讲透。01经典 RAG一次检索的线性管道经典 RAG 的流程是一条写死的单向链路用户问题 → 向量化Embedding→ 检索向量检索 BM25 混合→ 重排取 Top-K → 把检索片段拼进 Prompt → 大模型生成回答。这条链路上没有任何判断环节。检什么关键词、检几轮、结果够不够用都是流程预设好的——问题进来检索一次结果直接进 Prompt生成结束。它无决策、无状态、无回溯优点也来自这里快、便宜、稳定适合单轮事实性问答。图1经典 RAG管道 vs Agentic RAG决策循环02Agentic RAG会思考的调研员Agentic RAG 把大模型放到了决策者的位置。它不再被动执行一次检索而是进入经典的Thought → Action → Observation循环模型先思考这个问题要不要检索、该搜什么然后执行动作调检索器、改写查询、调用 Web 搜索或 SQL 工具拿到观察结果后评估信息够不够——不够就进入下一轮直到自认为充分才生成最终答案。这个循环带来两个关键能力多跳检索第一轮结果不够改写查询再检第二轮和工具路由向量库查不到可以转去 Web 搜索、查数据库、跑计算器。代价是更慢、Token 消耗更高、工程更复杂还要额外防死循环。03四个核心差异维度经典 RAGAgentic RAG决策主体管道预设检索环节无判断LLM 自主决策检什么、检几轮、要不要换工具流程结构单轮线性retrieve-once多轮循环可回溯、可反思查询处理用户原问题直接检索多跳问题易断查询改写、多跳检索、多源交叉验证工具范围只有检索器检索器 Web 搜索 SQL 计算器等代价快、省、稳慢、贵、复杂需防死循环与决策失控04一个多跳检索实例问一个问题“2024 年诺贝尔物理学奖得主的博士导师是谁”经典 RAG拿原问题去检索第一轮通常只命中获奖者是某某拿不到导师信息。由于流程没有第二轮模型要么答不上来要么开始编造——这是它最典型的失败场景。Agentic RAG第一轮检索拿到获奖者后模型评估发现信息不足把获奖者 博士导师改写成新查询进入第二轮检索拿到导师信息后再交叉验证最后组织答案。整个过程是检索 → 评估 → 再检索 → 生成每一轮都在修正查询。图2多跳检索——同一个问题的两种走法05生产落地怎么选单轮事实性问答、知识库客服、FAQ 这类场景经典 RAG 又快又稳又便宜没必要上 Agentic。跨文档交叉、多跳推理、需要动态决定数据源的复杂任务才值得付出 Agentic 的代价。实践中的主流做法是混合路由先做意图分类简单问题直接走经典 RAG 管道复杂问题才进入 Agent 循环。Agentic RAG 落地时还要配四层防护最大迭代步数如 max_steps10硬性终止、重复动作哈希检测、动态反思引导换策略、超限降级兜底避免模型在检索-评估循环里空转。图3选型决策 Agentic 四层防护06面试追问3 道高频题Q1RAG 和 Agentic RAG 的核心区别是什么区别不在检不检索而在谁决定怎么检索。经典 RAG 是预设管道问题进来向量化、检索、重排、拼 Prompt、生成全程无判断检索一次完成。Agentic RAG 把大模型放到决策者位置进入 Thought → Action → Observation 循环自主决定要不要检索、改写成什么查询、检索几轮、是否换工具信息不足就继续迭代。一句话经典 RAG 是查一次字典再答题Agentic RAG 是会思考的调研员先查、不够再查、验证过再写报告。Q2Agentic RAG 的执行流程怎么讲核心是四步循环。第一步思考模型根据当前状态判断下一步做什么是否调用检索或工具。第二步行动执行动作比如调用检索器、改写查询、发起 Web 搜索或 SQL 查询。第三步观察接收外部返回结果评估信息是否足够支撑回答。第四步决策信息不足就带着新查询回到第一步继续循环信息充分则整合结果生成最终答案。整个流程依赖工具注册、停止词截断防止模型脑补执行结果、观察结果回灌上下文这三个工程机制才能保证每一步数据都来自真实环境。Q3Agentic RAG 生产落地有哪些难点怎么防死循环难点集中在三处一是慢和贵多轮循环的 Token 消耗和延迟远高于经典 RAG二是检索质量不可控首轮召回差时模型可能反复检索同一查询三是决策失控模型可能在检索-评估里空转。防死循环用四层防护硬性限制max_steps10超限强制终止重复检测对 ActionObservation 组合做哈希指纹连续相同触发切换策略动态反思注入你已重复 3 次请换方法的 meta-prompt 引导重新规划降级兜底循环超限时给出尽力而为的回答或转人工。落地总结RAG 与 Agentic RAG 不是替代关系是分工关系简单问题经典 RAG 又快又稳复杂问题 Agentic RAG 能多跳检索、工具路由、自我纠错。生产上按意图混合路由给 Agent 循环配齐步数限制、重复检测、反思与降级四层防护。面试时把谁决定怎么检索和调研员类比讲清楚再补一个多跳实例和落地防护就是完整回答。关注我们一起把技术讲明白寻码札记
阅读完成 · 觉得有帮助？
