AgenticRAG：面向企业知识库的智能体检索

我们提出AgenticRAG：一个在企业知识库上做检索与分析的实用智能体harness。标准RAG流水线把落地性重担压在检索栈上，把语言模型约束在检索深处选定的固定候选集。我们的方法在企业搜索基础设施之上叠加轻量harness来减少这种过度依赖：为推理LLM装备search、find、open与summarize工具，使模型能迭代检索信息、在文档内导航并自主分析证据。在三个公开基准上观察到可观收益：BRIGHT上49.6%的recall@1（较最佳嵌入基线+21.8pp）、WixQA上0.96的事实性（相对+13%）、FinanceBench上92%的回答正确率——距oracle访问真证据仅2pp以内。消融研究显示最显著因素是从单轮检索转向智能体工具使用（5.9倍改进），多查询搜索与文档内导航同时贡献质量与效率。我们给出经预生产部署启发的多项设计选择。结果证明其适用于真实企业生产环境。