待验证50% 置信观点精确时间
RAG与Agent的结合是当前企业级应用的主流方案之一，Agent可主动判断何时检索并执行多跳检索
1
来源数
50%
置信度
中期 (~90 天)
时效性
2026/7/9
首次发现
有效期至：2026/10/7
来源
六周Agent实战路线图：企业级落地从入门到闭环
bilibili小全栈2026/7/8
相关事实
已验证Agentic RAG引入Agent机制，基于ReAct（Reasoning + Acting）框架，让系统具备判断是否需要检索、从哪里检索以及评估检索质量的自主能力84% 相似待验证RAG（检索增强生成）使Agent能够突破上下文窗口的物理限制，访问外部知识库，其检索质量高度依赖嵌入模型的语义理解能力与文档切分策略78% 相似待验证Agentic RAG赋予模型自主规划能力，可判断信息是否充分、决定是否多轮检索、选择调用工具或数据源，并进行自我反思和迭代修正73% 相似待验证本体是Palantir在实践中探索出的、让Agent做出业务域级别准确决策的基础，可理解为Agent的操作系统72% 相似部分验证Agentic RAG的核心思想是将RAG中的各个环节封装成可调用的工具（Tool），并赋予大模型自主决策的能力72% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/346637API
curl https://kongchang.com/api/v1/knowledge/claims/346637MCP
get_claim(id=346637)