AgenticRAG自适应检索深度实战 - 一、从 Naive RAG 到 Agentic RAG 的进化
本文是 AgenticRAG自适应检索深度实战 的分章阅读版。
一、从 Naive RAG 到 Agentic RAG 的进化
1.1 RAG 三代演进
| 代数 | 名称 | 特点 | 召回率 | 代表 |
| 第一代 | Naive RAG | 单次检索 → 单次生成 | 60-70% | 早期 LangChain |
| 第二代 | Advanced RAG | 检索前后处理(重写、重排) | 75-85% | HyDE / RAG-Fusion |
| 第三代 | Agentic RAG | LLM 自主决策检索策略 | 85-95% | Self-RAG / CRAG |
1.2 三代架构对比
digraph RAGEvolution {
rankdir=LR;
node [shape=box, fontname="Microsoft YaHei"];
subgraph cluster_naive {
label="Naive RAG";
N1 [label="Query"];
N2 [label="Retrieve (1次)"];
N3 [label="Generate"];
N1 -> N2 -> N3;
}
subgraph cluster_advanced {
label="Advanced RAG";
A1 [label="Query"];
A2 [label="Query Rewrite"];
A3 [label="Retrieve + Rerank"];
A4 [label="Generate"];
A1 -> A2 -> A3 -> A4;
}
subgraph cluster_agentic {
label="Agentic RAG";
G1 [label="Query"];
G2 [label="Query Decompose"];
G3 [label="Router\n(需要检索吗?)", shape=diamond];
G4 [label="Retrieve"];
G5 [label="Evaluate\n(相关吗?)", shape=diamond];
G6 [label="Generate"];
G7 [label="Critic\n(答案可靠吗?)", shape=diamond];
G8 [label="Rewrite Query"];
G9 [label="Return"];
G1 -> G2 -> G3;
G3 -> G4 [label="是"];
G3 -> G6 [label="否(用内部知识)"];
G4 -> G5;
G5 -> G6 [label="相关"];
G5 -> G8 [label="不相关"];
G8 -> G4;
G6 -> G7;
G7 -> G9 [label="可靠"];
G7 -> G8 [label="不可靠"];
}
}
1.3 为什么 Agentic RAG 是 2026 主流
| 业务痛点 | Naive RAG 表现 | Agentic RAG 解决 |
| 用户问"为什么" | 检索一次答不全 | 多跳检索,每次回答一部分 |
| 文档库无答案 | 强行编造(幻觉) | 评估检索质量,返回"不知道" |
| 问题模糊 | 检索跑偏 | Query 重写,生成多个变体 |
| 答案前后矛盾 | 不可自纠 | Critic 反思,触发再检索 |
| 复杂多条件 | 单条向量召回不全 | 拆子问题,每个独立检索 |
相关页面