Agentic RAG

？ 概念页：用 Agent 增强 RAG——让检索、规划、多源融合与动作形成闭环。本页为 stub。

核心定义

Agentic RAG 把传统”单次检索→生成”的 RAG 升级为Agent 驱动的检索闭环：Agent 根据问题规划检索策略、从多个知识库联合检索、对结果做评估与再检索（self-correcting）、支持多模态问答，并可在检索后执行动作。它解决了朴素 RAG 在复杂/多跳问题上的检索不足。

本库相关

• 阿里云百炼 Agentic RAG 服务：阿里云百炼 Agentic RAG（多库联合检索 + 多模态）
• 上位概念：AI-Agent

2026-08-10 案例：Linkly AI 三层索引与 search → outline → read 渐进访问

Linkly AI（本地文献库 MCP 检索）是 Agentic RAG 在个人语料上的典型形态：

• 三层索引管道（分层互补而非单一向量检索）：BM25 全文索引（1-3 分钟建完即可关键词搜索）+ Outline 索引（按 PDF 章节结构生成”名片”）+ 向量语义索引（跨语言语义搜索）。
• 渐进式三工具：search（返回文件列表和摘要）→ outline（看某篇的章节结构定位段落）→ read（精读指定章节原文）——AI 先粗后细消费文献库，自主决定”搜什么、读什么、读多少”。文中示例：一次提问触发三次工具调用（search → 三篇并行 outline → 两篇目标章节 read），返回带精确章节来源（如 §4.3）的答案。
• 与朴素 RAG 的对照：不一次性把语料塞进上下文，而是 Agent 自主规划检索深度；引用指向本地真实文件原话，构成反幻觉机制（但摘要层仍可能有误差）。

见 Source: Linkly AI（产品方自述，无第三方基准；“结构化中间层”是否正成为本地检索通用设计值得跟踪）。

？ 建议补强：与朴素 RAG / Graph RAG 的对照、Agentic RAG 的失败模式与评测基准。