传统的 RAG（检索增强生成）与 Agentic RAG（代理式 RAG）有什么区别？

Question

Accepted Answer

这是一个非常好的问题。随着大模型应用的发展，RAG（检索增强生成）已经从简单的线性流程进化到了更复杂的代理式（Agentic）架构。 简单来说： 传统的 RAG 是一个线性、被动的过程：检索一次 -> 生成一次。 Agentic RAG 是一个循环、主动的过程：它会思考、规划、使用工具、自我反思，直到找到满意的答案。 以下是详细的对比分析： --- 1. 传统的 RAG (Traditional RAG) 传统的 RAG 通常是一个固定的流水线（Pipeline）。 工作流程： 1. 用户提问： 用户输入 Query。 2. 检索 (Retrieve)： 系统在向量数据库中查找与 Query 相似的文档片段。 3. 增强 (Augment)： 将检索到的片段和用户的 Query 拼接到一起，形成 Prompt。 4. 生成 (Generate)： LLM 根据 Prompt 生成答案。 特点： 一次性 (One-shot)： 只有一次检索和一次生成的机会。 盲目信任： LLM 必须基于检索到的内容回答，如果检索到的内容是错的或不相关的，LLM 往往也会胡说八道（或者回答“不知道”...