Agentic RAG 和传统 RAG 有什么区别？什么时候需要多轮检索？
面试怎么回答
传统 RAG 是固定的检索一次再生成，遇到需要多次检索、需要拆解的问题，或者检索结果不好时就答不好。Agentic RAG 让模型自己判断要不要检索、把问题拆成子问题、根据上一轮结果多轮检索、选择不同数据源，并检查结果是否足够。代价是延迟和成本更高、路径不稳定、难调试。所以简单事实问答用传统 RAG，多跳、对比分析、研究类任务用 Agentic RAG；也可以先走传统 RAG，检测到结果不足再升级。落地时限制检索轮数和耗时，记录每轮的查询和结果，按问题类型分别评估准确率、延迟和成本。
先把这段讲顺；面试官追问时，再展开下面的原理和细节。
详细讲解
传统 RAG 是固定流程：用户提问 → 检索一次 → 把结果交给模型生成。Agentic RAG 则让模型自己决定要不要检索、检索什么、检索几次、结果够不够。面试官问这题，想看你能不能讲清两者的差异，以及什么时候值得付出更高的成本。
传统 RAG 的局限
- 一次检索不够：「对比我们 2024 年和 2025 年的数据安全制度有什么变化」，需要分别找两份制度；
- 问题需要拆解：「上个月延迟最多的任务属于哪个团队，负责人是谁」，要先找任务，再找团队，再找负责人；
- 不需要检索也检索：「把这段话翻译成英文」，检索只会带来噪声；
- 检索结果不好也照样生成：召回的文档不相关，模型仍然硬着头皮回答。
Agentic RAG 多了什么
- 判断是否需要检索：简单问题直接回答，需要外部知识时才检索；
- 问题拆解：把复杂问题拆成几个子问题，分别检索；
- 多轮检索：根据第一轮结果决定下一步查什么（多跳）；
- 选择数据源：文档库、数据库、搜索引擎、API，按问题选；
- 自我检查：评估检索结果是否足够、是否相关，不够就改写查询再检索；生成后检查回答是否有依据。
代价
- 延迟和成本：多次模型调用、多次检索，响应时间可能从 2 秒变成 10 秒以上；
- 不稳定：模型决策有随机性，同一个问题可能走不同路径；
- 难调试：要看完整的检索链路才能定位问题。
什么时候用
- 简单事实问答、FAQ：传统 RAG 就够，快且便宜；
- 多跳问题、对比分析、研究类任务：适合 Agentic RAG；
- 混合做法：先用传统 RAG 回答，检测到结果不足（相关性分数低、模型表示信息不够）时再升级到多轮检索。
落地时的控制
- 限制最大检索轮数和总耗时；
- 每轮检索记录查询、来源、结果，方便排查；
- 评测时分别看简单问题和复杂问题的准确率、延迟和成本，确认额外成本换来了效果。