Agentic RAG 如何实现多轮迭代检索？

1. 迭代循环的控制机制

Agentic RAG 的迭代循环需要明确的控制机制来确保系统收敛：

• 最大迭代次数限制：设置硬性上限（如 3～5 次），防止系统陷入无限循环
• 终止条件判断：当评估器判定当前信息已充分时，主动终止循环
• 超时控制：设置整体执行时间上限，超时后返回当前最优结果
• 成本预算约束：限制单次查询的 Token 消耗和 API 调用次数

2. 查询优化策略

每次迭代中，智能体基于前一轮的结果优化检索查询：

• 查询扩展：添加同义词、相关实体名以扩大召回范围
• 查询缩小：根据已获取信息缩小检索范围，提高精确度
• 子查询分解：将复杂查询拆分为多个更聚焦的原子查询
• 假设性文档嵌入（HyDE）：先生成一个假设性答案用于指导检索，再用真实文档进行验证

3. 结果累积与去重

多轮检索的结果需要有效管理：

• 上下文累积：将每轮检索的有效信息累积到工作记忆中
• 去重与合并：对多轮检索中重复出现的文档进行去重，避免上下文窗口浪费
• 来源追踪：记录每条信息的来源，支持最终答案的引用标注
• 矛盾标记：当不同轮次检索到相互矛盾的信息时，标记冲突并触发验证