Mikor keressen újra az AI? Az agentikus RAG haszna
Az újabb keresés akkor segít, ha konkrét hiányt pótol. Egy példán mutatjuk meg a működését és azt, mikor elég az egyszerűbb megoldás.
Ebben a cikkben
Egy témába vágó dokumentum még nem feltétlenül tartalmaz minden szükséges adatot. A RAG külső információk visszakeresését kapcsolja össze a nyelvi modell válaszával. A kétlépéses változat előbb keres, aztán fogalmaz; az agentikus rendszerben a modell dönthet a keresés időzítéséről és módjáról, ahogy a LangChain útmutatója bemutatja.
A KDnuggets 2026. október 16-i cikke keresési, értékelési és ismétlési körként írja le a megoldást. Tervezési útmutatót ad, nem olyan ellenőrzött összehasonlítást, amely általános pontossági előnyt bizonyítana.
Mit tenne hozzá az újabb keresés?
Vegyünk egy feltételezett példát: azt kérdezed, hogy egy adott laptop dokkolón keresztül meghajt-e két külső monitort. Az első keresés megtalálja a dokkoló két képkimenetét, de a laptop képességeiről nem ad választ. A rendszer felismeri ezt a hiányt, majd a pontos laptopmodell gyártói dokumentációjára keres rá. A két forrásból már megfogalmazhatja a választ. Ha a kompatibilitás továbbra sem egyértelmű, a nyitott kérdést kell jeleznie: a csatlakozók számából nem következtethet biztos támogatásra.
Az ismétlést tehát konkrét hiánynak kell indokolnia. Ennek egyik megvalósítása a 2024 januárjában először közzétett Corrective RAG: értékeli a találatokat, majd a megbízhatósági becslés alapján különböző keresési műveleteket, köztük webes keresést indíthat. Az irreleváns információkat külön feldolgozás szűri ki. Ez tényleges ellenőrzési mechanizmus; az „agentikus” elnevezés önmagában nem biztosít ilyet.
Az ellenőrzés külön tanítást is igényelhet. A 2023 októberében bemutatott Self-RAG tanult reflexiós tokenekkel szabályozza a keresést, és értékeli a találatokat meg a készülő választ. Egy hétköznapi chatbotnak adott „ellenőrizd magad” utasítás ettől még nem valósítja meg ugyanezt a tanítási módszert.
Melyik hibát szeretnéd kijavítani?
Hiányzott a bizonyíték, figyelmen kívül maradt egy megtalált adat, vagy alaptalan állítás került a válaszba? A 2024 augusztusi RAGChecker-kutatás állításszintű ellenőrzéssel külön vizsgálja a visszakeresést és a válaszgenerálást. Gyakorlati javaslatunk: ugyanazokon a jellemző kérdéseken vesd össze a két felépítést, a forrásokkal való egyezést, a válaszidőt és a költséget is ellenőrizve. A megválaszolatlan kérdéseket is számold.
Egyszerű adatkereséshez elegendő lehet a rögzített folyamat. A LangChain szerint ennek válaszideje általában kiszámíthatóbb; hibrid felépítésben ellenőrzési lépések is hozzáadhatók. Nem kell minden döntést ügynökre bízni, és vektoradatbázis sem kötelező: meglévő adatbázis vagy dokumentáció is lehet az információforrás.
