RAG已死，Agentic RAG当立！基础入门，一文带你抓住AI Agent的下一个风口！

本文将介绍Agentic RAG相关的基础知识。我们首先回顾RAG和AI智能体，然后再介绍Agentic RAG。

1. RAG & AI智能体回顾

1.1 RAG

我们先来简要回顾一下RAG。RAG的本质是大模型+外部数据。大模型通过外部数据的增强，来减少幻觉并保持数据时效性。

RAG的一种基础技术架构和工作流程如上图所示。可以看到，当用户输入查询后，系统首先会对query进行处理。然后优化后的query会通过检索器（Retriever）从数据库中检索出相关的数据。接着，检索到的信息、优化后的query、以及提示模版会组装成上下文（Context）。最后，大模型根据输入的上下文来生成最终的结果。

从上述的RAG工作流程中，我们可以看到传统RAG存在的几个难点：

• 流程固定：传统RAG的工作流程是预定义的固定流程，不能根据需要进行动态调整，使得传统RAG在应用时缺乏灵活性和自主性。
• 单轮检索：传统RAG只进行一次检索，然后检索结果将会作为上下文的一部分进入到LLM中去生成结果。但是对于复杂的query，单轮检索有时是不够的，需要进行反复多轮检索，不断更新和改进中间过程，才能得到最终结果。这种需要多步推理的复杂query给传统RAG带来了极大的挑战。
• 数据源较单一：传统RAG使用到的数据源通常为一个或者少量几个，不能够适应需要多种数据源的场景。

1.2 AI智能体

AI智能体的核心特征是具有自主性，即能够自主地制定计划并执行，从而完成给定任务。AI智能体通常包括profile、感知、规划、工具、记忆、行动等核心模块。

2. Agentic RAG

2.1 Agentic RAG介绍

如前文所述，传统RAG面临的一个重要挑战是没有自主性，只能按照预先定义的流程来工作，而无法在过程中动态调整后续行动。与之相反，AI智能体的核心优势就是其具有自主性。因此，一个自然的想法就是将AI智能体引入到传统RAG的工作流程中，进而在保留传统RAG优点的同时，亦能发挥AI智能体的自主性优势。简单来说，Agentic RAG就是传统RAG与AI智能体的深度结合体。

实践中，AI智能体通常在检索模块中被引入，即将传统RAG中的检索器（Retriever）替换成检索智能体（Retrieval Agent），由此带来如下改进：

• 能够自主判断是否需要检索。
• 系统可以包含多种数据源、检索方式、外部工具等。
• 可以自主选择检索器、数据源、外部工具等。
• 能够对检索结果进行分析和评估，判断并决定是否需要进一步检索。

2.2 Agentic RAG与传统RAG对比

	传统RAG	Agentic RAG
本质	LLM+外部数据	传统RAG+AI智能体
数据源	较为单一	多源数据
工作流程	预定义工作流，流程固定，灵活性低	自主规划，动态调整，灵活性高
检索轮次	通常为单轮检索	多轮检索
工具调用	通常不可以	可以

3. Agentic RAG技术架构

3.1 单智能体架构

单智能体Agentic RAG与传统RAG的工作流程类似，但是传统RAG中的检索器被替换成检索智能体。检索智能体可以根据用户输入，自主决定是否需要进行检索，并规划后续检索步骤。在检索时，检索智能体能够从候选集中选择出合适的检索器或者工具。

3.2 多智能体架构

在多智能体Agentic RAG系统中，检索智能体的工具集是一组子检索智能体。这些子检索智能体往往专长于某一领域，从而为整体系统的编排和调试提供了更大的灵活性。

如何学习大模型 AI ？

由于新岗位的生产效率，要优于被取代岗位的生产效率，所以实际上整个社会的生产效率是提升的。

但是具体到个人，只能说是：

“最先掌握AI的人，将会比较晚掌握AI的人有竞争优势”。

这句话，放在计算机、互联网、移动互联网的开局时期，都是一样的道理。

我在一线科技企业深耕十二载，见证过太多因技术卡位而跃迁的案例。那些率先拥抱 AI 的同事，早已在效率与薪资上形成代际优势，我意识到有很多经验和知识值得分享给大家，也可以通过我们的能力和经验解答大家在大模型的学习中的很多困惑。我们整理出这套 AI 大模型突围资料包：

• ✅ 从零到一的 AI 学习路径图
• ✅ 大模型调优实战手册（附医疗/金融等大厂真实案例）
• ✅ 百度/阿里专家闭门录播课
• ✅ 大模型当下最新行业报告
• ✅ 真实大厂面试真题
• ✅ 2025 最新岗位需求图谱

所有资料 ⚡️ ，朋友们如果有需要 《AI大模型入门+进阶学习资源包》，下方扫码获取~

① 全套AI大模型应用开发视频教程

（包含提示工程、RAG、LangChain、Agent、模型微调与部署、DeepSeek等技术点）

② 大模型系统化学习路线

作为学习AI大模型技术的新手，方向至关重要。 正确的学习路线可以为你节省时间，少走弯路；方向不对，努力白费。这里我给大家准备了一份最科学最系统的学习成长路线图和学习规划，带你从零基础入门到精通！

③ 大模型学习书籍&文档

学习AI大模型离不开书籍文档，我精选了一系列大模型技术的书籍和学习文档（电子版），它们由领域内的顶尖专家撰写，内容全面、深入、详尽，为你学习大模型提供坚实的理论基础。

④ AI大模型最新行业报告

2025最新行业报告，针对不同行业的现状、趋势、问题、机会等进行系统地调研和评估，以了解哪些行业更适合引入大模型的技术和应用，以及在哪些方面可以发挥大模型的优势。

⑤ 大模型项目实战&配套源码

学以致用，在项目实战中检验和巩固你所学到的知识，同时为你找工作就业和职业发展打下坚实的基础。

⑥ 大模型大厂面试真题

面试不仅是技术的较量，更需要充分的准备。在你已经掌握了大模型技术之后，就需要开始准备面试，我精心整理了一份大模型面试题库，涵盖当前面试中可能遇到的各种技术问题，让你在面试中游刃有余。

以上资料如何领取？

为什么大家都在学大模型？

最近科技巨头英特尔宣布裁员2万人，传统岗位不断缩减，但AI相关技术岗疯狂扩招，有3-5年经验，大厂薪资就能给到50K*20薪！

不出1年，“有AI项目经验”将成为投递简历的门槛。

风口之下，与其像“温水煮青蛙”一样坐等被行业淘汰，不如先人一步，掌握AI大模型原理+应用技术+项目实操经验，“顺风”翻盘！

这些资料真的有用吗？

这份资料由我和鲁为民博士(北京清华大学学士和美国加州理工学院博士)共同整理，现任上海殷泊信息科技CEO，其创立的MoPaaS云平台获Forrester全球’强劲表现者’认证，服务航天科工、国家电网等1000+企业，以第一作者在IEEE Transactions发表论文50+篇，获NASA JPL火星探测系统强化学习专利等35项中美专利。本套AI大模型课程由清华大学-加州理工双料博士、吴文俊人工智能奖得主鲁为民教授领衔研发。

资料内容涵盖了从入门到进阶的各类视频教程和实战项目，无论你是小白还是有些技术基础的技术人员，这份资料都绝对能帮助你提升薪资待遇，转行大模型岗位。

以上全套大模型资料如何领取？