Phase 4 前 6 篇讲的是固定 RAG——一条写死的「检索→生成」链。这一篇是 Phase 4 收束，讲它的进阶：Agentic RAG。
固定 RAG 有个问题：不管什么问题都检索。但有些问题不需要检索（常识），有些要检索好几次（要综合多份资料），有些检索一次不够要换个角度再查。固定 RAG 做不到这些「判断」——它就是无脑检索。Agentic RAG 就是把「检索」交给 Agent 判断。
固定 RAG 的局限
固定 RAG 的流程是写死的：问题来了 → 检索 → 拼进 prompt → 模型答。每一步都执行，不判断。
这在简单问答场景够用。但遇到下面情况就不行：
- 不需要检索的问题：「1+1 等于几」这种常识，检索反而塞进无关资料干扰
- 要多次检索的问题：复杂问题要先查 A，根据 A 再查 B，固定流程只查一次
- 要改写查询的问题：第一次查的不好，要换个说法再查，固定流程不会改写
Agentic RAG：把检索变成工具
Agentic RAG 的思路：把「检索」做成一个工具，交给 Agent 决定调不调、调几次。
回忆 Phase 3——Agent 能调用工具。如果把 retriever 包成一个工具，Agent 就能：
- 判断这个问题要不要查（不查直接答）
- 决定查什么（自己构造查询）
- 查完看结果够不够，不够再查（循环）
- 综合多次查询的结果回答
这其实就是 Phase 3 的 Agent + 一个「检索工具」。Agent 的核心 loop（第 18 篇）负责判断，检索工具负责查。Agent 决定何时用这个工具。
一个例子：复杂问题的多轮检索
假设用户问「对比 LangGraph 和 AutoGen 在多 Agent 上的差异」。
固定 RAG 会怎么做：把整个问题作为查询检索一次，可能只命中其中一部分（比如只命中 LangGraph 的），回答不完整。
Agentic RAG 会怎么做：
- Agent 判断：这是个对比问题，要分别查 → 调检索工具查「LangGraph 多 Agent」
- 看结果，再查「AutoGen 多 Agent」
- 两份都有了，综合对比生成回答
Agent 通过多次调用检索工具，逐步补齐信息——这是固定 RAG 一次检索做不到的。
实现：用 Phase 3 的 create_agent
Agentic RAG 的实现，本质就是 Phase 3 那套：
# retriever 包成工具
@tool
def search_knowledge(query: str):
"""检索知识库"""
return retriever.invoke(query)
# 用 create_agent，把这个工具给它
agent = create_agent(model=model, tools=[search_knowledge])
Agent 自动获得「判断要不要检索、检索什么、检索几次」的能力——这些不是你写的，是 Agent 的核心 loop（ReAct）自带的。你只管把检索包成工具。
这也是为什么 Phase 3 要先讲 Agent——Agentic RAG 就是 Agent 的一个应用。掌握了 Agent，Agentic RAG 是水到渠成的。
固定 RAG vs Agentic RAG：怎么选
| 维度 | 固定 RAG | Agentic RAG |
|---|---|---|
| 检索决策 | 每次都查 | Agent 判断 |
| 查询次数 | 固定一次 | 按需多次 |
| 复杂度 | 简单、可控 | 复杂、消耗多 |
| 延迟 | 低（固定流程） | 高（多轮判断） |
| 适合 | 明确的问答 | 复杂、需多步检索 |
一个判断：如果用户问题大多是一次检索能答清的，用固定 RAG（简单快）；如果问题常需要多步检索、综合分析，用 Agentic RAG。Agentic RAG 更强但更贵更慢，不是所有场景都需要。
收束：Phase 4 完成
这一篇讲完，Phase 4（RAG 检索）就完成了。回顾这 7 篇：
- 25 RAG 全景：五段流水线
- 26 Loaders：读进来
- 27 Splitters：切分（比 embedding 重要）
- 28 Embeddings：向量化
- 29 Vector Stores：存储与可替换性
- 30 Retrievers：检索与进阶策略
- 31 Agentic RAG：让 Agent 决定检索
到这里，你已经能搭出从简单到 Agentic 的各种 RAG。下一篇开始 Phase 5——Tools / MCP / 记忆：讲 Agent 的「手」（工具与 MCP 协议）和「脑」（记忆模型）。
关于十三Tech
我是十三，All in AI Agent 方向的架构师，专注 AI 工程实践。我相信 AI 是程序员的最佳搭档。
如果你想跟完这套「图解 LangChain」，欢迎关注公众号 「十三Tech」。全系列 42 篇，会按认识基础、LangGraph 状态机、Agent 与 middleware、RAG 检索、Tools/MCP/记忆、生产化收束这条线更新。
