前端

Agentic RAG 是把 RAG 从固定问答流程升级为 Agent 可决策的知识获取能力。传统 RAG 通常每次问题都检索一次；Agentic RAG 则让 Agent 判断是否需要检索、检索哪个知识源、是否需要二次检索，以及如何处理检索不足。

这种方式更适合真实任务，因为用户问题不总是简单问答。有些问题需要外部知识，有些只需要模型推理，有些需要多个知识源组合。

## 基础 RAG 回顾

基础 RAG 包括文档切分、Embedding、向量入库、查询向量化、相似度检索和答案生成。

它解决了模型知识过期、无法访问私有文档的问题。但固定 RAG 也有局限：检索策略单一，无法根据任务动态调整，也不擅长处理多知识源问题。

## Agentic RAG 的核心

Agentic RAG 把检索封装成工具。Agent 可以在需要时调用，比如 search_docs、search_codebase、search_meeting_notes。

如果第一次检索结果不足，Agent 可以改写 query，扩大范围，或询问用户更多信息。它也可以决定不检索，直接回答通用概念。

## 文档切分

切分策略影响检索质量。过大的 chunk 包含太多噪音，过小的 chunk 丢失上下文。较好的做法是按标题、段落、语义边界切分，并保留 metadata。

metadata 可以包括文档标题、路径、更新时间、权限、业务模块。这些字段能帮助过滤和引用。

## 检索工具返回

检索工具不应只返回纯文本。更好的返回结构包括：内容片段、来源、标题、相似度、更新时间、权限信息。

这样模型可以判断资料可信度，也能在回答中引用来源。

## Rerank 与多轮检索

向量检索返回的结果未必最适合生成答案。可以加入 rerank 模型重新排序，也可以结合关键词搜索和规则过滤。

Agent 还可以根据初次结果判断是否需要二次检索。例如发现资料都是旧版本，就按更新时间重新过滤。

## 权限与引用

企业 RAG 必须遵守权限。用户不能访问的文档，不应该进入检索结果。回答中也要避免泄露来源之外的信息。

对于关键回答，最好让模型给出引用，区分“资料明确说明”和“模型推断”。

## 小结

Agentic RAG 的价值在于把检索变成一种可决策能力。它不仅检索知识，还能判断何时检索、如何检索、结果是否足够，以及如何安全地使用结果。

## 实战案例：文档助手中的 Agentic RAG

假设用户问“这个接口为什么创建文章失败”。普通 RAG 可能只检索接口文档，然后生成答案。Agentic RAG 会更进一步：先检索文档，再查看错误日志，再查询相关代码，最后结合接口约定判断问题可能来自 draftId 缺失。

这个过程需要多个检索工具协作。文档检索回答“接口应该怎么用”，代码检索回答“实际实现是什么”，日志检索回答“线上发生了什么”。Agent 根据每一步结果决定是否继续检索。

因此，Agentic RAG 的重点不是一次检索，而是围绕任务动态获取证据。它更像研究助手，而不是固定问答机器人。

## Query 改写与检索计划

Agentic RAG 中，用户原始问题不一定适合直接检索。Agent 可以先把问题改写成多个查询。例如“文章创建为什么失败”可以拆成“/admin/article draftId 参数”“Duplicate entry REL 唯一键”“article create 后端实现”。

多个查询可以覆盖不同证据来源。Agent 再把检索结果合并，判断哪些信息一致、哪些互相冲突。相比单次向量检索，这种检索计划更适合排障、研究和复杂问答。

从文档切分、Embedding、检索工具、rerank、引用约束和 Agent 决策角度构建 Agentic RAG。

AI Agent 实战教程 16：构建 Agent 驱动的 RAG 问答系统

RAG 是 AI Agent 获得外部知识的重要方式。没有 RAG，Agent 主要依赖模型参数和当前上下文；有了 RAG，Agent 可以查询文档、知识库、数据库和业务资料，从而回答更具体、更实时、更可信的问题。

对于 Agent 来说，RAG 通常不是一个独立应用，而是一个工具。当 Agent 判断自己缺少知识时，就调用检索工具，把相关内容取回，再基于这些内容继续推理或执行任务。

## RAG 的基本流程

RAG 通常包含四个核心步骤。

第一，文档处理。系统把文档、网页、笔记或数据库内容切分成较小片段，也就是 chunks。切分太大，检索不精准；切分太小，语义可能不完整。

第二，向量化。使用 Embedding 模型把每个 chunk 转成向量。向量可以表达文本语义，使系统能根据相似度查找相关内容。

第三，检索。用户提出问题后，系统把问题也转成向量，在向量数据库中找出最相关的 chunks。

第四，生成。系统把检索结果放入模型上下文，让模型基于这些资料生成回答。

## Agent 为什么需要 RAG

Agent 经常要处理具体业务任务，而这些任务需要外部知识。例如：

- 根据公司内部文档回答问题；
- 根据 API 文档生成代码；
- 阅读会议纪要并提取待办；
- 根据产品资料生成教程；
- 查询历史决策记录；
- 从知识库中找出相关案例。

这些知识通常不在模型参数中，即使模型知道一些通用知识，也无法保证和当前业务一致。RAG 可以让 Agent 使用可控知识源。

## Embedding 的作用

Embedding 是 RAG 的基础。它把文本转成向量，使“语义相近”的内容在向量空间里距离更近。

例如用户问“如何让 Agent 调用外部系统”，即使文档里写的是“Tool Calling 用于连接函数和 API”，向量检索也可能找到相关内容。

但 Embedding 不是万能的。它可能找出语义相似但事实不匹配的内容，也可能漏掉关键词强相关的内容。因此生产系统常结合关键词搜索、过滤条件和 rerank。

## 上下文注入的技巧

检索到内容后，不能简单全部塞给模型。上下文窗口有限，内容越多，模型越容易分散注意力。

常见优化包括：

- 只保留 Top K 结果；
- 对结果去重；
- 使用 rerank 重新排序；
- 保留来源信息；
- 对长内容做摘要；
- 按任务类型选择不同检索策略。

对于需要可信答案的场景，最好要求模型基于检索内容回答，并在必要时给出引用。

## RAG 与 Agent 的结合方式

最简单方式是把 RAG 封装成一个工具，例如 「search_knowledge_base(query)」。Agent 在需要知识时调用它。

更复杂的方式是让 Agent 能选择不同知识源。例如产品文档、代码仓库、历史工单、会议纪要分别对应不同检索工具。Agent 先判断问题属于哪个领域，再选择相应工具。

还可以让 Agent 在检索结果不足时自动扩展关键词、调整过滤条件，或者向用户澄清问题。

## 常见问题

第一个问题是检索不到。可能是文档没入库、切分不合理、Embedding 模型不适合、查询改写不充分。

第二个问题是检索到了但用不好。模型可能忽略上下文，也可能把不同来源混在一起，产生不准确结论。

第三个问题是知识过期。文档更新后，如果索引不更新，Agent 会使用旧知识。

第四个问题是权限隔离。不同用户能访问的知识库不同，RAG 必须遵守权限边界。

## 小结

RAG 让 Agent 拥有外部知识，但可靠性来自工程细节：文档切分、Embedding、向量数据库、rerank、上下文组织、引用约束和权限控制。对于企业级 Agent，RAG 往往是从演示走向可用的关键一步。

理解 RAG 如何让 Agent 使用外部知识，掌握检索、Embedding、上下文注入和引用控制。

AI Agent 实战教程 05：RAG 如何增强 Agent

Git是一个由林纳斯·托瓦兹为了更好地管理linux内核开发而创立的分布式版本控制／软件配置管理软件。需要注意的是和GNU Interactive Tools，一个类似Norton Commander界面的文件管理器相区分。



C 语言，是一种通用的、过程式的编程语言，广泛用于系统与应用软件的开发。具有高效、灵活、功能丰富、表达力强和较高的移植性等特点，在程序员中备受青睐。

C 语言是由 UNIX 的研制者丹尼斯·里奇（Dennis Ritchie）和肯·汤普逊（Ken Thompson）于 1970 年研制出的B语言的基础上发展和完善起来的。目前，C 语言编译器普遍存在于各种不同的操作系统中，例如 UNIX、MS-D

C语言

C++ 是一种通用的、静态类型的编程语言，它具有高效性、灵活性和可移植性等特点。C++ 基于 C 语言，同时支持面向对象编程和泛型编程，可以用于开发各种类型的应用程序，如系统软件、游戏、桌面应用程序、移动应用程序等。

C++ 的主要特点包括：

高效性：C++ 是一种编译型语言，可以生成高效的本地代码，在性能要求高的应用程序中得到广泛应用；
面向对象编程：C++ 支持面向对象编程，包括封装、继承

React 是一个由 Facebook 开发的流行的 JavaScript 库，用于构建交互式用户界面。它采用了一种基于组件化的开发模式，使得开发人员可以将 UI 拆分为独立的、可复用的组件，并由这些组件构建复杂的用户界面。

React 的主要特点包括：

组件化开发：React 将 UI 拆分为独立的、可复用的组件，开发人员可以将这些组件组合在一起构建复杂的用户界面；
虚拟 DOM：React

React

Web前端开发是从网页制作演变而来的，名称上有很明显的时代特征。在互联网的演化进程中，网页制作是Web 1.0时代的产物，那时网站的主要内容都是静态的，用户使用网站的行为也以浏览为主。2005年以后，互联网进入Web 2.0时代，各种类似桌面软件的Web应用大量涌现，网站的前端由此发生了翻天覆地的变化。网页不再只是承载单一的文字和图片，各种富媒体让网页的内容更加生动，网页上软件化的交互形式为用户提

JavaScript 是一种基于脚本的编程语言，主要用于在 Web 页面上实现交互式的效果和动态的内容。JavaScript 是一种解释性语言，不需要编译就可以直接在浏览器中运行。

JavaScript 的主要特点包括：

轻量级：JavaScript 代码通常比较短小，可以快速加载和执行。

可移植性：JavaScript 可以在各种不同的浏览器和操作系统上运行。

面向对象编程：JavaSc

JavaScript

Cypress 是一个前端自动化测试工具，用于测试基于Web的应用程序。它能够测试运行在浏览器中的应用，并且适用于单元测试、集成测试和端到端（E2E）测试。Cypress 提供了一个丰富的API集，以及一个友好的交互式界面，让开发和测试人员能够轻松编写、运行和调试测试用例。

Cypress

ORM（Object-Relational Mapping，对象关系映射）是编程中的一个概念，它指的是一种技术手段，可以将不兼容的类型系统转换为面向对象模型。换句话说，ORM 允许开发者在编程语言中使用对象的方式来操作数据库中的数据。

Linux 是一个广泛使用的开源操作系统内核，由林纳斯·托瓦兹（Linus Torvalds）于1991年创建。它是 Unix-like 操作系统的一个重要分支，并且它的设计和实现遵循了模块化的设计原则。Linux 内核本身可以与不同的用户空间组件配合，形成完整的操作系统。这些完整的系统被称为 Linux 发行版，例如 Ubuntu、Fedora、Debian、CentOS 和 Arch Linu

Linux

Vue.js（简称 Vue）是一种开源的轻量级 JavaScript 框架，由 Evan You 于2014年首次发布。Vue 致力于在用户界面（UI）开发中实现数据与视图的双向绑定，为创建现代化 Web 应用、单页面应用（SPA）以及多种复杂界面提供了一种简洁、高效且可扩展的解决方案。

#### 核心特性

- **组件化：** Vue 包含了独立的、可复用的组件，有助于将 UI 切成逻辑部分

Docker 是一个开源的容器化平台，允许开发者打包应用及其全部依赖到一个可移植的容器中，然后这个容器可以在任何机器上运行，确保应用在不同环境之间运行的一致性。Docker 使用了 Linux 容器（LXC）的技术，但进行了扩展，使其更为易用、功能更全面。

Docker

Rust是一种系统编程语言，由Mozilla Research开发。它是一种安全、并发和高效的语言，旨在为开发人员提供更好的内存安全和线程安全，同时保持高性能和可扩展性。

Rust的设计具有以下特点：

内存安全：Rust在编译时执行内存安全检查，防止常见的内存错误，例如使用空指针或释放不再使用的内存。

并发性：Rust具有一种称为"无等待"（lock-free）的并发模型，它可以确保线程安全

Rust

MySQL 是一款流行的关系型数据库管理系统（RDBMS）。它负责存储、检索和管理结构化数据，尤其是以表格形式存储的数据。MySQL 使用 SQL（Structured Query Language，结构化查询语言）作为查询和操作数据的接口，并遵循许多 SQL 标准。它是一种兼具性能、可靠性和易用性的数据库系统，适用于各种应用场景，从个人项目到大型企业应用。

MySQL

JavaScript 的升级版 TypeScript 已日益成为开发世界全新的演变里程碑。立足于 JavaScript 的优雅灵活与 TypeScript 的强类型体系，本教程旨在助您铸就极致的开发力量。

我们的 TypeScript 系列教程将自始至终地引导你掌握 TypeScript 的各种方面，与您一起，宏观理解 JavaScript 世界、深入钻研 TypeScript 规则与逻辑，探索

TypeScript

Mongoose 是一个面向 MongoDB 数据库的对象数据模型（ODM）库，用于在 Node.js 环境下建模和操作 MongoDB 文档结构。它提供了一些方便的特性，如数据验证、查询构建、业务逻辑钩子（hooks）和中间件，使得处理 MongoDB 文档更加直观和安全。


Mongoose

Tailwind CSS 是一个非常强大且受欢迎的实用型 CSS 框架，于2017年由.Adam Wathan、Jonathan Reinink、David Hemphill 和 Steve Schoger 共同创立。 这个框架的主要目标是帮助开发者快速构建定制化的用户界面，而无需从头开始编写 CSS 代码。
Tailwind 提供了一整套预先定义好的类名，代表 CSS 的各种属性，如颜色、字体大

Tailwind CSS

Elasticsearch（常写作 Elasticsearch）是基于 Lucene 的分布式搜索与分析引擎，面向海量数据提供近实时（NRT）的全文检索、结构化查询与聚合分析能力。它以 JSON 文档为核心数据模型，通过 索引（index）—分片（shard）—副本（replica） 的机制实现横向扩展与高可用：数据被切分到多个分片分布在不同节点上，副本用于容灾与提升读取吞吐。Elasticsea

ElasticSearch

Go，也称为 Golang，是一种开源的编程语言，由 Google 开发。Go 是一种静态类型、编译型、并发型的语言，它被设计为一种简单、快速、可靠和高效的语言。Go 语言的语法类似于 C 语言，但也借鉴了其他语言的一些特性，如 Python 和 Java。

Go 语言的设计目标是提供一种简单、易于学习和使用的语言，同时具有高效的执行速度和并发处理能力。Go 语言的主要特点包括：

1. 并发支

Golang

CSS（Cascading Style Sheets）是一种用于描述文档样式和布局的样式表语言，常用于 Web 开发中。它通过定义样式规则来控制 HTML 元素的外观和布局，使得开发人员可以更加灵活地控制页面的样式和排版。

CSS 的主要特点包括：

分离样式和内容：CSS 可以将样式信息从 HTML 内容中分离出来，使得样式和内容的管理更加清晰和易于维护；
层叠样式：CSS 中的样式规则是可以

Network（网络）是指连接在一起的计算机、设备和其他物体，它们可以彼此通信和交换信息。网络可以分为局域网（LAN）、广域网（WAN）、互联网（Internet）等不同的类型和层次，它们在不同的范围和层次上提供了不同的服务和功能。

网络的主要特点包括：

连通性：网络可以将不同的计算机、设备和应用程序连接在一起，实现彼此之间的通信和数据交换。

分布式：网络中的计算机和设备分布在不同的地理位置