Agent + RAG 是否会成为标配
答案要点
- RAG 补齐模型的知识截止和私有数据缺失,提供可引用依据以减少幻觉
- Agent 多步决策每步都需要事实支撑,检索可作为 Agent 调用的一种工具
- Agentic RAG:由 Agent 决定是否检索、如何改写查询、是否多轮检索和切换数据源
- 检索源不限于向量库,可以是搜索引擎、SQL、知识图谱或业务 API
- 难点:检索质量、上下文长度管理、多轮调用的延迟与成本
易错点
- 把 RAG 等同于向量检索,忽略关键词检索、结构化查询等方式
- 认为接了 RAG 就不会有幻觉,检索出错或模型不忠于上下文时仍会出错
- 只谈趋势不谈落地难点,回答缺乏工程视角
面试官常见追问
- 长上下文模型会取代 RAG 吗?
- Agentic RAG 和传统 RAG 的区别?
完整的口述示范答案、每个追问的参考回答,在启面刷题中心查看;也可以让 AI 面试官用语音按这道题连环追问你。