已验证65% 置信事实精确时间
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
3
来源数
65%
置信度
中期 (~90 天)
时效性
2026/7/2
首次发现
有效期至：2026/9/30
来源
RAG技术演进全解析：从朴素检索到多模态的六代进化
bilibili赋范课堂2026/6/17
相关事实
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84% 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80% 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79% 相似待验证Agentic RAG用搜索工具替代了固定流水线，让Agent自主决定是否调用搜索、何时重写查询、是否需要多轮检索79% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/45252API
curl https://kongchang.com/api/v1/knowledge/claims/45252MCP
get_claim(id=45252)