Appearance
15. 什么是 Agentic RAG？它和"一次检索后直接生成"有什么区别？
难度 P0 必背 · 岗位 应用 · 频率 ★★★ · 预计阅读 5 min
本题阅读地图
- 💡 简要回答
- 📝 详细解析
- 🎯 面试总结
👔面试官：什么是 Agentic RAG？它和"一次检索后直接生成"有什么区别？
🙋♂️我：Agentic RAG 就是 Agent + RAG 吧，更智能一点。
👔面试官："更智能"太虚。真正的区别是：Agentic RAG 让检索成为动态决策过程，模型可以根据中间结果决定要不要继续检索、改写 query、补检证据。你能讲清楚演进逻辑吗？
TL;DR 速记
- 是什么：Agentic RAG 让检索从「一次固定流水线」升级为「可规划、可评估、可补检」的动态决策闭环。
- 关键点：传统 RAG 是问一次、检一次、答一次；Agentic RAG 会根据中间证据判断是否改写 query、继续检索或换数据源。
- 怎么答：「核心区别不是更智能，而是检索由 Agent 动态管理；适合多跳问题，但必须加步数、预算、退出条件和可观测性。」
图解
图 1：一次检索 vs 动态闭环
相关题
Agentic RAG 的前提是先把 Q30 企业 RAG 治理 做扎实；如果搜索范围扩展到开放网络，会进一步演进到 Q77 DeepSearch。
💡 简要回答
Agentic RAG 让检索从"固定流水线"变成"动态决策闭环"。
区别：
| 传统 RAG | Agentic RAG | |
|---|---|---|
| 检索方式 | 一次检索，固定流程 | 多轮检索，动态决策 |
| 适应性 | 固定 | 可根据中间结果调整 |
| 适用场景 | 标准知识库问答 | 复杂问题、多跳证据 |
| 成本/风险 | 可控 | 更高，需要治理 |
最大区别：检索是不是被当成动态决策过程来管理。
📝 详细解析
传统 RAG：固定流水线
用户问题 → 检索 → 生成答案一次检索，一次生成。流程稳定、成本低、实现简单。
局限：
- 一次检索经常拿不到足够证据
- 复杂问题需要多跳、多源验证
- 无法自适应调整
Agentic RAG：动态决策闭环
用户问题 → 规划 → 检索 → 评估 → 需要更多证据？→ 再检索 → 生成模型或 Agent 可以：
- 决定要不要检索
- 改写 Query 再检索
- 发现证据不足时主动补检
- 多源交叉验证
适用场景判断
升级到 Agentic RAG 前，先看 badcase 是否集中在：
- 一次检索经常拿不到足够证据
- 问题需要拆问、多轮求证
- 生成前需要判断"到底该查知识库、查网页还是查业务系统"
治理要点
Agentic RAG 风险更高，需要补上：
- 步数上限（防止无限循环）
- 预算限制（Token、成本）
- 失败退出条件
- 可观测性（追踪每一步的决策和检索）
否则容易从"更聪明的检索"变成"更贵的随机游走"。
常见踩坑与反例
踩坑 1：把 Agentic RAG 说成「RAG + Agent」
错误描述：「就是给 RAG 外面套个 Agent，所以更智能」。
正确做法：要说清楚检索决策的变化：是否检索、查哪里、query 怎么改写、证据是否足够，都由 Agent 根据中间状态动态决定。
踩坑 2：所有问题都升级成 Agentic RAG
错误描述：简单知识库问答也多轮规划、多次检索。
正确做法：一次检索能稳定解决的场景继续用传统 RAG；只有多跳、多源、证据不足频繁出现时再升级。
踩坑 3：没有退出条件
错误描述：证据不够就一直改写 query、一直补检，成本和延迟失控。
正确做法：设置最大步数、最大 token / 金额预算、连续无新增证据阈值，以及失败后的降级答案。
踩坑 4：只追求多轮检索，不追踪每步决策
错误描述：线上答案出错后，只知道最终回答，不知道每轮查了什么、为什么继续查。
正确做法：记录 plan、query、命中文档、证据评估、退出原因，方便调试、审计和优化。
面试官可能继续追问
追问 1：Agentic RAG 和传统 RAG 的本质区别是什么？ 答题要点：传统 RAG 是固定流水线；Agentic RAG 是动态闭环，模型会根据中间证据决定是否继续检索、改写 query 或换数据源。
追问 2：什么时候值得升级到 Agentic RAG？ 答题要点：badcase 集中在一次检索证据不足、多跳问题、需要多源交叉验证、需要先判断查哪个系统时，才值得升级。
追问 3：怎么防止 Agentic RAG 变成随机游走？ 答题要点：限制步数和预算，定义证据充分标准，连续无新增信息就停止；保留决策日志做离线分析。
追问 4：Agentic RAG 和 DeepSearch 有什么关系？ 答题要点：Agentic RAG 多在企业知识库 / 多数据源内动态检索；DeepSearch 更强调开放网络上的搜索、阅读、推理循环，研究型问题更常见。
🎯 面试总结
核心区别：传统 RAG 是固定流水线，Agentic RAG 是动态决策闭环。
判断标准：检索是否被当成动态决策过程来管理。
升级前要有明确信号：一次检索确实不够用了。升级后要补治理：步数、预算、退出条件。
来源：基于 AI 智能体与大模型应用开发面试题库整理