待验证50% 置信权衡取舍精确时间
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
1
来源数
50%
置信度
长期有效
时效性
2026/7/9
首次发现
来源
AI Agent学习路线：四阶段从零基础到实战进阶指南
bilibili大模型零基础入门课2026/7/7
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80% 相似待验证RAG can serve as a sub-module of an Agent functioning as a knowledge retrieval tool, but an Agent's capabilities extend beyond RAG.80% 相似待验证RAG通过在推理时动态检索外部知识库补充模型静态知识，Tool Use赋予模型调用外部能力的接口，两者构成现代Agent架构的基础设施层79% 相似待验证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76% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/348966API
curl https://kongchang.com/api/v1/knowledge/claims/348966MCP
get_claim(id=348966)