智能体 RAG（Agentic RAG）是将 AI Agent 的自主行动能力加入检索增强生成（RAG）流程的进阶架构。传统 RAG 是「检索一次 → 生成答案」，而 Agentic RAG 是「搜索 → 分析 → 发现不足 → 再搜索 → 验证 → 生成」的多轮循环。
传统 RAG 的局限
- 单次检索：如果第一次检索没找到，直接失败
- 无法处理复杂问题：「比较 A 公司 Q1 和 B 公司 Q2 财报」需要多次搜索和对比
- 无法自我校验：不会检查答案与检索结果是否一致
Agentic RAG 的核心能力
- 多步推理：拆解复杂问题，每步单独搜索
- 工具使用：不仅检索文档库，还可调用 API、查数据库、读取图表
- 自我反思：检查答案完整性，发现矛盾后自动补充搜索
- 记忆管理：维护多轮对话中的上下文和搜索历史
典型架构
- 路由器（Router）：决定查询应该调用哪个数据源（向量库、API、关系型数据库）
- 反思循环（Reflection Loop）：评估搜索质量，决定是否重新搜索
- 融合器（Synthesizer）：整合多轮搜索结果，生成统一答案
2026 主流框架
LlamaIndex Agentic RAG、LangGraph、Cohere Compass。