← 返回首页 📖 📖 Wiki知识库
📐 学习维度 本篇是 📖 📖 Wiki知识库 🏠 首页 🛤️ 学习路径 📚 全部文章

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 RAGLLM 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