Agentic RAG 与 Self-RAG 有什么区别？

1. 核心机制差异

Self-RAG 是 Agentic RAG 的一个特定实现模式，二者是包含关系：

2. Self-RAG 的运作方式

Self-RAG 通过训练模型输出特殊的反思 Token 来实现自我评估：

• 检索 Token：模型判断当前是否需要检索外部知识
• 相关性 Token：评估检索到的文档是否与问题相关
• 忠实度 Token：评估生成的答案是否被检索文档支撑
• 实用性 Token：评估答案整体是否对用户有用

3. 选择建议

• Self-RAG 适合：希望将评估逻辑内嵌到模型中、减少外部依赖的场景
• 更广泛的 Agentic RAG 适合：需要多工具调用、跨源检索、复杂规划的企业级应用
• 生产环境中，Self-RAG 的反思 Token 机制可作为 Agentic RAG 系统中评估层的一种实现方式，与其他外部评估器配合使用