Google推出的Agentic RAG框架，专门针对企业问答场景设计，通过多个AI Agent的分工协作，解决了传统RAG单次检索容易导致信息不全的痛点。传统RAG往往因为信息分散在不同数据库中，要么给出不完整的答案，要么直接返回“未找到”；而Agentic RAG能够自动判断现有信息是否足够回答问题，一旦发现缺漏，就会带着线索进行补充检索。
框架内部包含多个功能角色：Orchestrator负责拆分任务，Planner规划检索路径，Query Rewriter优化搜索关键词，Search Fanout实现多数据源的并行检索，Synthesis则负责整合所有检索结果。其中最核心的是Sufficient Context Agent（质检Agent）——它会检查现有资料是否足以支撑回答，一旦发现缺失，就会明确指出缺口并引导后续的补充检索。比如医生查询患者过敏记录时，它能快速识别信息遗漏点并触发重新检索。
测试数据表明，在FramesQA多跳问答任务中，Agentic RAG的准确率比传统RAG提升了34%；即使跨4个数据库检索，答对率仍保持在90.1%，且跨库版本的延迟仅比单库版本高3%。
目前，Agentic RAG已在Gemini Enterprise Agent Platform（该平台是今年4月22日推出的Vertex AI升级版本）上开放公开预览。它适用于多跳查询、模糊问题，以及医疗、法律等高风险场景，但不太适合FAQ类问题或对成本、速度敏感的场景。
快报