Вики
Блог nikolskiy.dev

Agentic RAG

Agentic RAG — превращение линейного RAG в итеративный цикл с обратной связью: агент сам решает, переформулировать ли запрос, в какой источник идти и достаточно ли данных. Ключевое отличие от обычного RAG — цикл self-critique с возможностью повторить поиск.

Суть

Обычный RAG — один проход: запрос → поиск → ответ. Agentic RAG ставит над этим агента (ReAct-цикл), который оценивает найденное и при недостатке данных уходит на новую итерацию поиска.

Зачем это нужно

Single-shot retrieval проваливает multi-step и cross-system задачи: сложную аналитику, вопросы, где надо связать факты из БД + API + vector store, кейсы из финансов/юриспруденции/медицины. Снижение error rate в сложных кейсах до −78%.

Как работает (архитектура)

  1. Query Planner — декомпозиция сложного запроса на подзадачи.
  2. Retrieval Agent — динамический выбор источника и стратегии (vector / SQL / API).
  3. Reflection / Self-critique — LLM-as-Judge проверяет полноту и достоверность ответа.
  4. Iterative Loop — при нехватке данных запрос переписывается, поиск повторяется.

Псевдокод self-correcting loop (LangGraph):

def retrieval_agent(state):
    docs = retrieve(state["query"])
    if judge_relevance(docs, state["query"]) < 0.7:
        state["query"] = rewrite_query(state["query"])  # ещё итерация
    ...
  • Когда применять: multi-step, cross-system retrieval, сложная аналитика — там, где single-shot недостаточно. Для простых запросов избыточно (дороже и медленнее). Выбор между RAG / CAG / Agentic RAG — критерии в RAG vs CAG vs Agentic RAG.
  • Лимит итераций цикла — это safety/cost guardrail: защита от зацикливания и runaway-расходов через стоп-условия max_iterations / «No Progress» (см. Agent CostControl).
  • Соотносится с «уровнями агентности»: Agentic RAG — это верхний уровень (многошаговый агент), а не просто tool call (см. альтернативный взгляд в Agent vs Workflow).
  • Вместе с GraphRAG относится к «Enterprise»-фазе дорожной карты RAG.

Связано с

  • RAG — Agentic RAG = надстройка-цикл над базовым RAG
  • GraphRAG — обе техники Enterprise-уровня
  • ReAct — агентный цикл reason→act, лежащий в основе
  • Agent CostControl — лимит итераций как safety/cost guardrail (стоп-условия, No Progress)
  • CAG — альтернатива без retrieval (small/stable корпус)
  • RAG vs CAG vs Agentic RAG — критерии выбора между тремя архитектурами

Открытые вопросы

  • как калибровать порог judge_relevance на реальном eval-наборе для Agentic RAG?