Словарь ИИ
Что такое агентный RAG
Коротко
Агентный RAG это схема, в которой ИИ-агент сам решает, нужно ли искать, где искать и хватает ли найденного, и при необходимости ищет снова.
Поиск и RAG · agentic RAG
Михаил МозгПроверено: 1 минута чтения
Ребенку
Ты делаешь доклад про пингвинов. Сначала читаешь энциклопедию и видишь, что не хватает сведений про их еду. Тогда ты идешь за другой книгой, а потом спрашиваешь учительницу и проверяешь, все ли сходится. Ты сам решаешь, куда пойти дальше. Агентный RAG похож на такого самостоятельного ученика: он ищет, пока не соберет ответ целиком.
Простыми словами
В обычной схеме поиск по документам делается один раз и всегда одинаково. В агентной им управляет ИИ-агент. Он читает вопрос и решает: искать ли вообще, в какой базе, каким запросом. Посмотрев на результат, он может переформулировать запрос, заглянуть в другой источник, вызвать калькулятор или CRM и только потом ответить. Например, на вопрос «почему упали продажи в Казани» агент берет цифры из отчета, затем ищет в переписке жалобы клиентов этого города и сводит все вместе.
Для бизнеса
Агентный подход окупается на сложных вопросах, где ответ собирают из нескольких систем: аналитика продаж, разбор претензий, подготовка справки к переговорам. Цена ответа выше и хуже предсказуема: агент делает несколько шагов, и каждый шаг это вызов модели. Поэтому ставят лимиты на число шагов и бюджет токенов на запрос. Есть и риск безопасности: агент с доступом к инструментам может прочитать лишнее или выполнить действие, которого никто не ждал. Права дают минимальные, каждое действие пишут в журнал. Как распределить такие задачи между несколькими агентами, видно на примере ИИ-отдела.
Для специалиста
Агентный RAG (Agentic RAG) встраивает автономных агентов в конвейер извлечения. По обзору Singh и др. (2025), агенты опираются на четыре паттерна: рефлексию (reflection), планирование (planning), использование инструментов (tool use) и взаимодействие нескольких агентов (multi-agent collaboration). Это снимает ограничение статичного конвейера, которому не хватает гибкости для многошаговых рассуждений. Авторы предлагают таксономию по числу агентов, структуре управления, степени автономии и способу представления знаний. Близкий ранний подход: Self-RAG (Asai и др., 2023), где модель сама решает, когда извлекать фрагменты, и оценивает найденное и собственный вывод токенами рефлексии (reflection tokens). На практике цикл строят на вызове функций (function calling): поиск оформлен как инструмент, а модель выбирает аргументы и число итераций. Кроме качества ответа, оценивают число шагов, стоимость и долю зацикливаний.
Пример
Менеджер спрашивает ассистента, можно ли дать клиенту отсрочку. Агент проверяет задолженность в 1С, находит в договоре условия оплаты, читает внутреннее правило об отсрочках и только потом отвечает.
Связанные термины
Вопросы и ответы
Чем агентный RAG отличается от обычного?
Почему агентный RAG дороже?
Источники
Где это применяют в компании
Не уверены, нужно ли это вашей компании?
Карта ИИ-решений