Агентный RAG (Agentic RAG)

Агентный RAG — подход, при котором ретривер-генератор (RAG) — технология поиска в базе знаний перед созданием ответа — дополняется способностью агента самостоятельно решать, какие источники запросить, в каком порядке и когда данных достаточно для ответа. Обычный RAG один раз находит фрагменты текста и передаёт их модели. Агентный RAG может сделать несколько запросов, уточнить формулировку, если первый поиск не дал результата, и проверить, отвечает ли найденное на исходный вопрос.

Он нужен там, где вопрос нельзя закрыть одним обращением к одной базе.

• находит точный ответ на сложные, многосоставные вопросы;
• сам решает, нужно ли обращаться к нескольким источникам;
• уточняет запрос, если первый поиск не дал результата;
• снижает количество ошибок из-за устаревших или неполных данных;
• работает с несколькими базами знаний одновременно.

Юридические и медицинские сервисы с несколькими источниками правды, корпоративные ассистенты, аналитика по разным внутренним базам данных.

Пример: юридическая компания использует агентный RAG, который проверяет вопрос клиента сразу в базе законов, внутренних регламентах и судебной практике, а затем формирует единый ответ.

Агентный RAG требует больше вычислительных ресурсов и времени на ответ, чем обычный RAG, поэтому его применяют там, где важна точность, а не скорость. Это надстройка над RAG, а не замена: без базового ретривера агенту нечего было бы уточнять.