Agentic RAG
2026 年 Agentic RAG 工具选型
Agentic RAG 让 Agent 拥有检索循环：规划查询、获取上下文、判断质量，并决定是否再次检索。
搜索意图
为需要 grounded answer、多跳检索和来源感知推理的 Agent 选择检索工具。
最后审查
2026年6月23日
纳入比较的工具
6
开源选项
4
定义
Agentic RAG 是由 Agent 参与控制检索策略的 RAG，而不是提前塞入固定上下文。
适用场景
- 内部知识助手
- 需要引用和多步检索的研究 Agent
- 基于政策与产品文档回答的客服 copilot
选型维度
- 是否能把检索质量和回答质量分开评测？
- metadata filtering 是否匹配权限模型？
- 是否支持 hybrid、reranking 或 multi-query search？
选型建议
先用最简单、可评测的检索方案；只有首轮检索经常漏上下文时，再引入 agentic loop。
工具对比速览
| 工具 | 最适合 | 开源 | 主要取舍 | 打开 |
|---|---|---|---|---|
| Pinecone | 托管向量搜索 | 否 | 要求自托管开源基础设施的团队 | 打开 |
| Qdrant | 开源向量搜索 | 是 | 完全不想运维数据库的团队 | 打开 |
| LlamaIndex | RAG | 是 | 不需要检索的纯工具编排 | 打开 |
| Chroma | local RAG | 是 | 缺少 ops 方案的大规模多租户搜索 | 打开 |
| Exa | AI 网页搜索 | 否 | 只搜索私有/内部知识的 Agent | 打开 |