Агентный RAG (Agentic RAG)

Агентный RAG превращает обычную генерацию с извлечением (RAG) из фиксированного конвейера «извлёк один раз — ответил» в агента, который сам решает, когда, что и сколько раз извлекать. Вместо того чтобы всегда доставать топ-фрагменты по исходному вопросу, агент может переформулировать запрос, искать в нескольких источниках, оценить, достаточно ли результатов, извлечь снова с улучшенным запросом и только затем ответить — обращаясь с базой знаний как с инструментом, который он вызывает в цикле. Это справляется с многошаговыми вопросами («кто из наших корпоративных клиентов ушёл после изменения цены?») и с расплывчатыми запросами, на которые обычный RAG отвечает плохо. Для разработчиков агентный RAG заметно повышает качество ответов и снижает промахи «в документах этого не было» ценой большего числа вызовов модели и задержки на вопрос. Начните с простого RAG, измерьте, где он не срабатывает, и добавляйте агентное извлечение только для тех типов запросов, которым действительно нужен многошаговый поиск, а не везде.