Agentic RAG（智能体检索增强生成）是腾讯云智能体开发平台提供的下一代知识库问答能力。相比传统 RAG 的单次检索-生成流程，Agentic RAG 基于 Agent Loop 框架，实现智能体自主反思、智能切换检索策略、多轮迭代检索，在知识场景中提供更广的回答范围和更高的回答准确度。

传统 RAG vs Agentic RAG

适用场景

• 多文档整合问答：需要综合多个文档信息才能回答的问题，如"对比 A 产品和 B 产品的功能差异"。

• 复杂条件筛选：需要按时间、地区、类别等条件筛选后生成答案，如"2025年华东区销售政策有哪些变化"。

• 交叉验证型问答：答案需要从多个知识源交叉验证，如"公司的差旅报销标准是否有最新更新"。

• 深度推理型问答：需要理解问题意图并多步推理，如"根据公司制度，跨部门协作的审批流程是什么"。

  注意： -Agentic RAG 相比传统 RAG 会消耗更多 Token，建议根据实际场景合理设置反思轮数。

  • 对于简单的知识库问答场景，建议使用传统 RAG，响应更快、成本更低。

使用前提

• 已创建Claw 模式或Multi-Agent 模式应用。

• 已完成知识库创建并导入文档。请参见文档概述。

操作步骤

####步骤一：添加 AgenticRAGSearch 工具

1. 进入应用编辑页面，在工具区域点击添加工具。

2. 在工具列表中选择知识库问答分类下的AgenticRAGSearch 工具，点击添加。

3. 添加完成后，工具将显示在应用工具列表中。

   

####步骤二：配置反思模型

Agentic RAG 的核心能力来自智能体的自我反思机制。反思模型负责评估检索结果的相关性和完整性，决定是否需要调整检索策略进行下一轮检索。

1. 在 Agentic RAG 工具设置中，找到反思模型配置项。

   

2. 从下拉列表中选择反思模型。

   

步骤三：配置重排序模型

重排序模型对初次检索结果进行二次排序，将最相关的文档排在前面，提升检索精度。

1. 在 Agentic RAG 工具设置中，找到重排序模型配置项。

   

2. 从下拉列表中选择重排序模型：

   模型	说明
   youtu-rerank-llm	默认。基于 LLM 的重排序模型，排序精度高
   youtu-rerank	轻量级重排序模型，响应速度快

步骤四：配置知识检索范围

指定 Agentic RAG 检索的知识库范围，支持选择整个知识库或知识库中的指定知识。

1. 在 AgenticRAGSearch 工具设置中，找到知识检索设置配置项。

2. 点击选择知识库，在弹窗中选择需要检索的知识库。

3. 如需进一步限定检索范围，可选择知识库中的指定知识范围。

   检索范围越精准，检索效率和回答准确度越高。建议按业务场景划分知识库，避免将无关知识纳入检索范围。

步骤五：配置检索设置反思轮数控制智能体最多进行多少轮"反思-检索"的迭代循环。

1. 在检索设置中，找到反思轮数限制配置项。

2. 设置反思轮数，取值范围为 0 - 10，默认为 3 轮。

   反思轮数	效果	适用场景
   0 轮	等同于标准检索，仅执行一次检索	简单问答、对响应速度要求高
   1 - 3 轮	推荐。在准确度和响应速度间取得平衡	大多数知识问答场景
   4 - 6 轮	准确度更高，响应较慢	复杂多文档推理、高准确度要求
   7 - 10 轮	最高准确度，响应慢、Token 消耗大	极高准确度要求的关键场景

   说明：

   3. 反思轮数越大，检索越充分，但响应速度越慢、Token 消耗越高。
   4. 设置为 0 轮时，Agentic RAG 退化为标准检索模式，不进行自我反思。
   5. 建议从默认 3 轮开始，根据实际效果和成本情况调整。

步骤六：体验与发布

1. 配置完成后，在应用设置中进行对话测试。

2. 测试效果满意后，将应用发布至正式环境。请参见 应用发布概述。