agentic-rag

让 RAG 像人一样思考，多步推理搞定复杂问答

Agentic RAG 是一个将检索增强生成（RAG）与智能体（Agent）结合的开源项目，旨在让 AI 具备类似人类的推理能力。传统 RAG 仅做一次检索和生成，而 Agentic RAG 通过多步推理、工具调用和动态规划，让模型在回答复杂问题时能自主决定何时检索、检索什么、如何整合信息，并支持多轮迭代。项目基于 Jupyter Notebook 提供交互式演示，展示了如何构建一个能主动分解问题、调用外部工具、验证答案的智能检索系统。它解决了传统 RAG 在复杂问题上的浅层匹配、缺乏推理链、无法处理多跳问题等痛点，核心能力包括：智能查询重写、多源信息融合、推理路径规划、以及基于反馈的自我修正。适合研究 RAG 进阶用法和构建企业级知识问答系统的开发者参考。