待验证90% 置信事实时间未知

传统RAG中大模型只在最后的生成阶段才被使用，而Agentic RAG从用户输入问题的那一刻起就让大模型参与决策

1

来源数

90%

置信度

长期有效

时效性

2026/5/31

首次发现

来源

从传统RAG到Agentic RAG：原理对比与企业级落地实战

bilibili大模型AI应用

涉及实体

RAGconcept Agentic RAGconcept

相关事实

待验证嵌入模型的选择对 RAG 系统性能的影响甚至超过生成模型70% 相似待验证解决大模型知识边界问题的两大技术方向是持续微调（Fine-tuning）和RAG（检索增强生成），LangChain主要服务于RAG69% 相似待验证文档切分策略是RAG系统中对最终效果影响最大的环节之一，研究表明其影响甚至超过模型选择本身69% 相似待验证传统RAG是单次、静态的过程，依赖预先构建好的知识索引，而Agentic RAG引入智能体自主性可动态决定是否追加检索和改写查询69% 相似待验证在RAG流程返回大量候选文档片段时，可先按相关性排序再截取前3-5项传入大模型以控制输入长度69% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/4194

API

curl https://kongchang.com/api/v1/knowledge/claims/4194

MCP

get_claim(id=4194)