Agentic RAG

核心：LLM 从"被喂数据的答题者"变为"检索决策者"。

• 范式演进：Naive RAG（2023，单次检索）→ Advanced RAG（2024，重排+查询重写）→ GraphRAG（2025，图谱多跳）→ Agentic RAG（2026，Agent 决策循环）

• 决策循环：思考→检索→再思考→判断信息够不够→继续检索或行动（工具调用/计算/API）

• 三种架构：推理优先+工具调用 / 迭代检索+反思（Self-RAG、CRAG）/ 多 Agent 编排（规划-检索-验证三层分工）

• 企业成效：金融风控 4 小时→12 分钟；医疗诊断置信度 +23%；法律文档审阅 3× 提速

• 代价：token 爆炸、幻觉放大、延迟增加、评估复杂度上升——不是免费午餐

• 门槛下降：Dify/FastGPT 把切块、向量化、对话测试打包，半小时跑通

• 关键判断：检索控制权从开发者转移到模型；Agentic RAG 与通用 Agent 框架的边界正在消失