模块6：Agentic RAG 与企业知识集成.docxVIP

模块6：AgenticRAG与企业知识集成

学习目标

掌握AgenticRAG与标准RAG的本质区别；学会让Agent动态决策检索策略，连接企业内部系统如CRM、ERP和数据库；设计向量检索与工具调用的混合知识检索方案；最终构建一个既能智能问答又能执行操作的企业知识Agent。

6.1高级RAG技术在Agent中的应用

传统RAG（检索增强生成）流程固定：用户提问→向量检索出文档片段→拼接进Prompt→模型回答。当问题需要多步推理、数值对比或跨文档综合分析时，这种一次性检索难以胜任。AgenticRAG将检索本身作为Agent可调用的“工具”之一，由Agent决定何时检索、检索什么、如何组合多源信息。

三种进阶RAG模式：

Self?RAG（自我反思RAG）

模型在生成每个句子时，内部判断是否需要检索事实支撑。输出不仅包含回答，还包含引用标记和“是否值得检查”的信号。若某句缺乏事实基础，模型会自行检索并修正。实现上需要模型经过微调以输出特殊的反思标记。

CorrectiveRAG（纠正式RAG）

第一次检索后，Agent对文档相关性评分。如果文档得分低于阈值，则启动“查询重写”工具，自动用更优的查询再次检索，直到获得高质量上下文。这样可以减少因用户表述不清导致的检索失败。

AgenticRAG（完整代理模