谷歌推了Agentic RAG，企业现在该不该上

谷歌刚推了多Agent的Agentic RAG框架，很多做企业知识问答的人开始兴奋。我劝你先别急。

过去一年，企业知识问答已经被 RAG 这个词刷了很多遍。现在再加上 Agentic，听起来像是下一代答案已经来了。可我在项目里看到的情况更朴素，大部分企业现在真正卡住的地方，还轮不到 Agentic RAG 出场。

这不是说谷歌这套东西没有价值。恰恰相反，它指出了普通 RAG 的一个真实短板，查一次就回答，遇到复杂问题很容易断在半路。问题在于，技术路线正确，不等于企业今天就该立刻上车。

01 Agentic RAG到底在解决什么

普通 RAG 更像一个熟练的资料员，你问一个问题，它去知识库里查一轮，把最像答案的几段内容拿回来，再交给大模型组织语言。这个流程对简单问答很有效，比如制度条款、产品参数、操作说明。只要文档质量过关，切分和召回做得别太差，结果通常能接受。

Agentic RAG 的思路更接近一个会追问的研究员。它不会拿到第一批资料就急着回答，而是会判断信息够不够，缺哪一块，再决定要不要继续查、换关键词查、拆成几个子问题查，甚至调用不同系统里的工具。这一步的价值在于，它把"检索"从一次动作变成了一段过程。

这个变化很重要。企业里的问题经常不是一句话能查到答案，比如"这个客户去年投诉过几次，最近一次处理方案有没有违反当前服务政策"。这类问题要跨 CRM、工单、制度库、合同库，还要把时间、权限、上下文串起来。单步 RAG 在这里很吃力，因为它不知道自己缺了哪块信息。

所以业界对 Agentic RAG 的兴奋有合理部分。它确实能处理更长链条的问题，也能在信息不充分时减少瞎答的概率。说实话，这话放在三年前没毛病，当时大家还在讨论向量库能不能把资料找准，现在系统已经开始尝试判断自己有没有找够。

我不太认同一种说法，Agentic RAG 会很快替代普通 RAG，成为企业知识问答标配。这个判断听起来前沿，但放到真实企业环境里，会明显高估系统成熟度。多查几轮并不会自动带来更好的答案，如果知识源本身混乱，它只是在垃圾堆里多翻几遍。

很多企业的知识库现状，同行都懂。制度文档版本不清，历史文件没人归档，部门材料口径不一致，PDF 扫描件里一堆表格和图片，权限边界靠人工记忆。你让 Agentic RAG 去这种环境里多步检索，它当然会显得更努力，但努力不等于可靠。

还有一个容易被忽略的问题，多 Agent 会带来新的工程复杂度。谁来决定下一步查哪里，哪个 Agent 的结果优先，出现冲突怎么处理，答案引用怎么保留，日志怎么审计，成本和延迟怎么控制，这些都不是演示视频里最显眼的部分。企业上线后，恰恰是这些细节决定项目能不能稳定跑。

我观察到一个现象，越是 RAG 基础没打好的团队，越容易被 Agentic RAG 吸引。因为它像是一个更高级的解法，能让人暂时绕开脏活累活。可知识治理、权限梳理、文档标准化、问答评测集，这些事迟早要做，绕一圈回来还是在那里等着你。

对企业知识问答来说，Agentic RAG 最大的意义，不在于它又多了几个 Agent。它真正提醒我们，企业问题本来就是多步骤、多来源、多约束的。以前我们把复杂问题硬塞进一次检索里，现在开始承认，系统需要有计划地找信息、比对信息、补齐信息。

这会推动知识问答从"问制度条款"走向"查业务事实"。前者主要考验文档检索，后者还要连接业务系统、权限系统、审批记录和操作日志。比如人力政策问答和销售支持问答，复杂度完全不在一个层级，后者经常需要把客户、产品、合同、价格、服务记录一起看。

但这里有个现实分界线。如果你的企业知识问答现在连高频问题都答不稳，Agentic RAG 解决不了这个阶段的问题。它可能让系统看起来更聪明，也可能让错误更隐蔽，因为答案经过多轮加工之后，普通用户更难看出问题出在哪一步。

真正受影响的，是那些已经把基础 RAG 做到一定程度的团队。他们有清晰的数据源，有稳定的文档更新机制，有权限策略，有评测集，也知道哪些问题单步检索已经碰到上限。对这些团队来说，Agentic RAG 是合理的下一步，而不是一个用来包装项目的新名词。

我的判断是大部分企业现阶段不需要上完整的多 Agent Agentic RAG。如果你刚开始做知识问答，先把文档治理、切分策略、混合检索、重排序、引用溯源、权限过滤、答案评测这些基础动作做扎实。单步 RAG 没用好就去搞多步，很像地基没打好就想盖二楼。

更稳妥的做法，是先在局部场景里借鉴 Agentic RAG 的思想。比如只给复杂问题加一次问题拆解，只在低置信度时触发二次检索，只对特定知识域做多源查询。这样可以控制成本和风险，也能看清它到底给你的业务带来多少改善。

企业信息化负责人尤其要警惕"全量升级"的冲动。多 Agent 不是组件越多越高级，链路越长，故障点也越多。你想想看，一个普通问答原本 3 秒出结果，升级后变成 20 秒，还要多付几倍模型调用成本，用户未必觉得这是进步。

什么时候值得认真上 Agentic RAG，我会看几个信号。知识库已经有持续维护机制，业务系统接口可用，权限能被机器稳定识别，问答质量有可量化评测，复杂问题占比足够高。满足这些条件之后，再去做多步检索、多 Agent 协同，讨论才落在实处。

我的结论是，Agentic RAG 的方向是对的，谷歌把它推到台前也会加速行业讨论。可对大多数企业来说，今天更该做的是把手头的 RAG 系统调好，把知识治理补上，把能回答的问题先答准。不要被热点带节奏，先把一楼盖稳，再决定二楼要不要加。