Verified65% confidenceFactExact time
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
Sources
65%
Confidence
Medium-term (~90 days)
Relevance
7/2/2026
First Seen
Valid until: 9/30/2026
Sources
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6/17/2026
Related Claims
UnverifiedRAG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% similarUnverifiedAgentic 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% similarUnverifiedRAG（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% similarPartially VerifiedAgentic 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% similarUnverifiedAgentic 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% similar
Cite This Claim
Stable URI
https://kongchang.com/claim/45252API
curl https://kongchang.com/api/v1/knowledge/claims/45252MCP
get_claim(id=45252)