Agentic RAG 具备哪些核心能力？

1. 自适应检索

Agentic RAG 能够根据查询的复杂度和类型动态决定检索策略。对于简单事实查询，可能只需一次向量搜索；对于复杂的多跳推理问题，则可能组合使用向量搜索、SQL 查询、Web 搜索等多种检索方式。系统还可以判断是否需要检索——对于无需外部知识的通用问题，直接由模型回答以节省资源。

2. 查询改写与分解

当用户查询表述模糊或与知识库中的文档措辞不匹配时，智能体可以将原始查询改写为更适合检索的形式，或将复合问题分解为多个原子子查询分别检索。研究表明，查询改写可在多跳问答基准（如 HotpotQA、MuSiQue）上带来数个百分点到数十个百分点的召回率提升。

3. 迭代式多轮检索

Agentic RAG 的核心特征是支持多轮迭代检索。当首次检索结果不充分时，智能体会自主发起后续检索，调整查询词、更换数据源或扩大搜索范围，直到获得满意的信息。这种迭代能力使其能够处理需要跨多个文档综合信息的复杂问题。

4. 自我反思与验证

智能体在生成答案前会对检索结果和自身推理过程进行反思：检查信息是否完整、来源是否可靠、结论是否有据可查。若发现不足，则触发新一轮检索或修正推理路径。

5. 工具调用与跨源整合

Agentic RAG 中的智能体可以调用搜索引擎、数据库、API、计算器、代码执行器等多种外部工具，并将来自不同来源的信息进行交叉验证和综合整合。