NOVAIX
RAG 与知识库图文讲义1524 字

从传统RAG到Agentic RAG的进阶优化

·全库 32 / 611

《从传统RAG到Agentic RAG的进阶优化》共 20 页、0.2 万字，通篇围绕 RAG、检索、推理、场景 展开，归在「RAG 与知识库」这一层。

覆盖RAG检索推理场景评估embedding

适合手上有一堆资料，要把它变成能问答的知识库的人

目录骨架（8 节）
  1. 从传统 RAG 到 Agentic RAG 的进阶优化
  2. 课程章节大纲
  3. 为什么你的 AI 客服像个“关键词匹配器”？
  4. 传统 RAG 的标准作业流程
  5. 传统 RAG 的角色隐喻：被动的“实习生”
  6. 痛点一：检索相关性差与“一本正经的胡说八道”
  7. 传统 RAG 局限性总结
  8. 解决方案：Agentic RAG

原 PDF 已逐页还原成图，共 20 页，这里先放前 3 页，其中 3 页识别出了标题。右侧文字由 OCR 按版面重排，可能有个别错字，以图为准；点图可全屏放大。

本讲义目录 · 3 页
  1. 01从传统 RAG 到 Agentic RAG 的进阶优化
  2. 02课程章节大纲
  3. 03为什么你的 AI 客服像个“关键词匹配器”？
011 / 3
第 1 页：从传统 RAG 到 Agentic RAG 的进阶优化
第 1 页

从传统 RAG 到 Agentic RAG 的进阶优化

让大模型从“阅读器”进化为“解决问题的专家”

传统 RAG：静态知识检索与生成，基于检索的

Agentic RAG：主动式认知与执行，自主工具

问答，有限的上下文理解与单步操作。

调用与多步推理，动态环境交互与迭代解决。

基于工业级落地需求的麻合折

022 / 3
第 2 页：课程章节大纲
第 2 页

课程章节大纲

实战落地

评估体系与职业避坑指 南

痛点解析

传统 RAG 在工业场景的 局限性

核心概念

什么是 Agentic RAG？

进阶优化

三大关键策略

033 / 3
第 3 页：为什么你的 AI 客服像个“关键词匹配器”？
第 3 页

为什么你的 AI 客服像个“关键词匹配器”？

表面智能，实则胡编乱造

用户：我需要知道如何在复杂的 Agentic RAG 系统中配置

Embedding 模型以优化检素效率， 尤其是在多步推理场景下？

在真实生产环境中，80%-90%的复杂企业级场景必须使用 Agentic RAG 才能扛住需求。

现状：只能查资料，不能够思考。一旦遇到多步推理问题，立即开始“幻觉”表演。

机器人：您好，这是关于“效率”的文

Keyword

上一篇
多智能体架构深度解析
下一篇
向量化和词嵌入的区别是什么

同模块推荐

资料里没有你的场景？

把你手上的数据和想解决的那个环节发上来，我们按具体情况回，不复述方法论。

发布需求