待验证60% 置信事实精确时间

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

2

来源数

60%

置信度

长期有效

时效性

2026/7/12

首次发现

来源

RAG面试宝典：204题+12种架构+6类故障模式全解析

redditr/learnmachinelearning2026/7/10

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83% 相似待验证Agentic RAG的实现依赖模型具备三类关键能力：规划能力（Planning）、工具调用能力（Tool Use）和多步迭代能力（Iteration）81% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/494142

API

curl https://kongchang.com/api/v1/knowledge/claims/494142

MCP

get_claim(id=494142)