Wczytywanie…
Poza prostym wyszukiwaniem. Agentic RAG łączy pobieranie wieloprzeskokowe z ponownym rankingiem, weryfikacją i wykonaniem narzędzia, dzięki czemu każda odpowiedź jest możliwa do obrony, a każde działanie podlega audytowi.
Tradycyjny RAG zwraca najlepiej pasujące fragmenty i ma nadzieję, że model językowy to rozwiąże. Agent RAG zamyka ten krok w pętlę: planuje pobieranie, sprawdza wyniki pod kątem reguł biznesowych, przegląda powiązany kontekst w przypadku wykrycia luk i dopiero wtedy zatwierdza odpowiedź lub akcję.
Koordynator rozkłada intencje użytkownika na podzapytania, wybiera odpowiedni moduł pobierania (wektor, BM25, wykres lub SQL) i planuje je równolegle.
Dedykowany moduł rerankingu ocenia każdego kandydata pod kątem pierwotnego zapytania, zwiększając precyzję tam, gdzie przybliżone odpowiedzi są nie do zaakceptowania.
Łańcuch weryfikacji sprawdza cytaty, reguły biznesowe i ograniczenia zasad, zanim zwróci odpowiedź. Jeśli na to pozwoli, agent kończy akcję — aktualizuje bilet, uruchamia wywołanie API — zamiast oddawać pracę człowiekowi.
Podąża za łączami między dokumentami i węzłami wykresu wiedzy, aby odpowiedzieć na pytania pochodzące z wielu źródeł, bez zbędnych podpowiedzi i nieistotnego kontekstu.
Dedykowany moduł rerankingu ocenia każdego kandydata pod kątem pierwotnego zapytania, zwiększając precyzję tam, gdzie przybliżone odpowiedzi są nie do zaakceptowania.
Każde twierdzenie można prześledzić aż do źródła — można kliknąć cytaty, przypisanie na poziomie zakresu i poziom pewności każdej odpowiedzi.
Kiedy pewność spadnie poniżej progu, rurociąg prowadzi do człowieka z dołączonym pełnym śladem rozumowania – a nie do gołego pytania.