首页/AI/RAG 与向量库速查/Agentic RAG 与自适应检索
本包目录(229 条)

Agentic RAG 与自适应检索

把检索做成 Agent 可调用的工具,由模型决定何时检索、检索几次、是否换查询;Self-RAG、Corrective RAG 等用反思与纠错机制改进固定流水线。

RAG 与向量库速查AI更新于 2026-10-12
  • Self-RAG:模型生成反思标记,决定是否需要检索并自评相关性(Asai et al., 2023)
  • Corrective RAG:先评估召回质量,差则触发改写或外部检索再生成(Yan et al., 2024)
  • 自适应检索:简单问题直接回答,复杂问题才多轮检索

工具描述示例

工具描述示例
search_docs(query: str) -> list[段落]
  在内部知识库检索与 query 相关的段落,返回带来源编号的片段。
  当问题涉及内部制度、产品文档时调用;闲聊与常识不要调用。
多轮自主检索的延迟与成本不可控,需设置步数与预算上限。

易错点

  • 给 Agent 不设上限的检索步数,复杂问题拖成十几轮调用
  • 工具描述含糊,模型在闲聊问题上反复检索浪费时间

数据来源与参考

  • Asai et al., Self-RAG: Learning to Retrieve, Generate, and Critique through Self-Reflection, arXiv:2310.11511
  • Yan et al., Corrective Retrieval Augmented Generation, arXiv:2401.15884
​‌‌​​‌​​​‌‌​‌‌‌‌​‌‌​​​‌‌​‌‌‌​​‌‌​​‌​‌‌‌​​‌‌‌​​​‌​‌‌​‌​​‌​‌‌‌​​​‌​‌‌​‌​​‌​‌‌​​​‌‌​‌‌‌​‌​​​‌‌​‌‌‌‌​​‌​‌‌‌​​‌‌​​​‌‌​‌‌​‌‌‌‌​‌‌​‌‌​‌