待验证50% 置信事实精确时间
Agentic Search 是赋予大模型工具调用能力，让模型自主决策何时搜索、搜什么以及是否充分
1
来源数
50%
置信度
长期有效
时效性
2026/7/13
首次发现
来源
相关事实
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76% 相似待验证Agentic Index 是评估模型作为智能体能力的综合性排行榜，关注模型在真实工作流中的表现，考察维度包括工具调用、多步推理与规划、长上下文处理、代码执行与调试76% 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75% 相似已验证LATS（Language Agent Tree Search）是一种基于树搜索的Agent决策方法，适合需要探索多种可能路径的复杂场景74% 相似待验证Agent系统的可观测性需要处理语义层面的信息，不仅要知道调用了什么API和耗时，还需理解Agent决策原因和推理质量，因此评估引擎必须与追踪系统深度耦合74% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/501956API
curl https://kongchang.com/api/v1/knowledge/claims/501956MCP
get_claim(id=501956)