从朴素到智能：RAG 为什么需要 Agent 化——Agentic RAG 系列之一

一句话价值：大模型会思考，但不知道你公司内部的文档；RAG 就是"喂资料"的办法。但最朴素的 RAG 是条死板的流水线------不管问题多简单，都硬走一遍检索生成。本文用五个"卡壳的瞬间"，讲清楚为什么固定流程不够用，以及"智能 RAG"到底在智能什么。

先看一个现实的坑

公司内部的 Agent，基本都要接 RAG。为什么？因为 LLM 能推理，但它的知识截止在训练数据，不知道你公司内部的规章、文档、产品资料。要让它基于内部资料回答，就得在提问时把相关资料"喂"进去------这就是 RAG（Retrieval-Augmented Generation，检索增强生成）。

最朴素的 RAG 是一条固定的三件套流水线：

flowchart LR A[用户问题] --> B[向量检索 top-k] B --> C[拼接成 prompt] C --> D[LLM 生成答案]

用 LangGraph 写出来，就是两个写死 next 的节点（这正是 naive-rag.mjs 的实现骨架）：

js 复制代码

const graph = new StateGraph(GraphState)
  .addNode("retrieve", retrieveNode)   // 检索：相似度 top-k
  .addNode("generate", generateNode)   // 生成：拼接 prompt 给 LLM
  .addEdge(START, "retrieve")
  .addEdge("retrieve", "generate")     // next 写死：永远先检索后生成
  .addEdge("generate", END)
  .compile()

这玩意能跑，但问题也很快暴露------下面五个场景，每一个都会让它"卡壳"。

五个"不够用"的瞬间

1. 简单问题也在浪费资源

用户问 1 + 1 = ?，它照样去向量库里检索一遍、拼 prompt、再生成。检索、拼接、额外的 token，全都是浪费。 复杂问题需要检索，简单问题根本不需要------但固定流程没有"跳过检索"的开关。

2. 检索错了没人纠

流程里没有"评估"这一步：检索回来的内容到底准不准、够不够，没人判断。检索错了就错了，LLM 只能基于一堆不相关的片段硬编，编错了也没人拦。

3. 多步推理做不了

问一句：「《天龙八部》四大恶人排行第二的是谁？此人之子在身世揭晓前，其生父在武林中的公开身份是什么？」

这个问题要先查 A（四大恶人老二是谁），拿到中间结果，再查 B（他儿子的生父身份）。固定流程只会检索一次，把"最终答案"当"单条证据"去搜，永远搜不到------因为答案散在多段、需要拼接推理。

4. 纯语义检索会"认错人"

「高血糖」和「低血糖」，语义上极其相近，向量相似度很高；但它们恰恰是相反的概念。纯语义检索分不清这种"专业术语、精确实体"，容易把「低血糖该吃什么」匹配到「高血糖」的片段上去。这种场景，关键词匹配（BM25、like 查询）反而更准。

5. 本地库没有就干瞪眼

知识库里没有的内容，固定流程只会硬着头皮用不相关的片段生成------LLM 就开始"一本正经地胡说八道"。它不会想到"去联网搜一下补上"，因为没有这个工具，也没有这个决策。

升级路线图：从"固定"到"智能"

这五个坑，指向同一个根因：流程是写死的。要解决它们，不是把检索做得更准（那是另一回事），而是让流程本身"会思考、会判断、会纠错"。

于是 RAG 有了三层演进：

	Naive RAG	Advanced RAG	Agentic RAG
流程	固定三件套	仍是固定流水线，但检索前后加了优化	图/Agent 让流程可决策、可循环
是否检索	永远检索	永远检索（简单问题也照走）	路由判断：简单问题直接答
检索几次	一次	一次（但质量更高）	多步：先查 A 再查 B
有没有纠错	无	无	自我评估，不够就再来

一句话概括这条主线：

把"死板的检索生成流水线"，升级成"可思考、可判断、可纠错的智能 RAG 架构"。

而这背后真正的分水岭，不是"加了什么组件"，而是"控制权交给了谁"------本文先立全局，后续三篇分别展开 Advanced 的优化、Agentic 的本质、以及怎么落地设计。

本篇小结

RAG 解决的是"LLM 不知道内部资料"，最朴素的做法是固定三件套：检索 → 拼接 → 生成。
固定流程在五个场景会卡壳：简单问题浪费资源、无纠错、多步推理做不了、纯语义检索认错人、本地没有不会联网。
五个坑指向同一根因：流程写死，没有决策。
升级路线分三层：Naive（固定）→ Advanced（优化但固定）→ Agentic（可决策可循环）。
真正的分水岭是"控制权交给谁"，下一篇先讲 Advanced RAG 到底优化了什么、以及它为什么仍不够。

系列预告

下一篇：Advanced RAG 做对了什么------查询改写、HyDE、混合检索、重排，把固定流水线打磨到极致，但天花板在哪。
之后：Agentic RAG 不是"加个路由" （控制权易主的本质）、架构师视角的四层设计（怎么落地）。