Q1：什么是AgentRAG？它和传统RAG最大的区别是什么？
A1：AgentRAG是基于ReAct Agent+知识库+Skill构建的全新智能问答范式，核心是让AI从传统RAG的“被动检索、一问一答”，升级为“主动理解、规划执行、精准反馈”的智能助手，而向量空间AI实验室打造的AgentRAG，更是将经验库问答、意图识别、任务规划等能力深度融合，形成了完整的业务闭环。它与传统RAG的最大区别的是：传统RAG仅能实现简单的关键词检索+答案生成，无法理解复杂意图、不会规划任务；而AgentRAG依托ReAct Agent的“思考-行动-观察”循环机制，能主动识别用户意图、规划任务步骤、执行多元检索，还能通过经验库问答复用隐性经验，最终输出可追溯的回答，真正实现“从检索到解决问题”的升级。
Q2：ReAct Agent+知识库+Skill是AgentRAG的核心架构，具体作用是什么？
A2：ReAct Agent+知识库+Skill是AgentRAG的核心支撑，三者协同发力，缺一不可，也是它区别于其他问答方案的关键：ReAct Agent作为“大脑”，负责统筹全局，实现意图识别和任务规划，模拟人类解决问题时“先想清楚、再动手试、根据结果调整”的思维过程，避免AI盲目检索；知识库作为“信息储备库”，存储企业公开知识、业务文档等显性信息，是多元检索和答案生成的基础；Skill作为“工具包”，支持对接各类业务系统、调用经验库，让AgentRAG具备执行具体任务的能力，而经验库问答的实现，也离不开Skill的工具调用能力。三者结合，让AgentRAG既能精准检索信息，又能自主规划执行，还能复用过往经验，大幅提升问答的实用性和效率。
Q3：AgentRAG的“意图识别”能力，具体能解决什么问题？和传统问答有何不同？
A3：意图识别是AgentRAG的基础能力，核心作用是精准读懂用户的真实需求，避免答非所问，这也是它优于传统问答的关键之一。传统RAG仅能实现关键词匹配，比如用户问“最近客户投诉变多了”，传统RAG只会检索“客户投诉”相关文档，返回零散信息，无法识别用户“想分析投诉原因、找到解决办法”的隐含意图；而AgentRAG的意图识别能力，能精准区分单纯知识问答、多元检索对比、隐含意图/模糊查询、多轮连续追问等多种需求类型，甚至能捕捉用户未明确说出的潜在需求。比如同样的投诉问题，AgentRAG会先识别出隐含意图，再通过任务规划，拆解出“收集投诉数据、检索相关经验、分析原因、给出方案”的子任务，为后续的多元检索和经验库调用打下基础，让回答更贴合用户实际需求。
Q4：任务规划在AgentRAG中扮演什么角色？和多元检索、经验库问答如何配合？
A4：任务规划是AgentRAG的“核心枢纽”，负责将复杂问题拆解为可执行的子任务，统筹多元检索、经验库问答等能力有序落地，避免AI“东一榔头西一棒子”。具体来说，当AgentRAG通过意图识别明确用户需求后，会由任务规划模块拆解出清晰的子任务，明确每个子任务的执行顺序、所需资源，再联动其他能力执行：比如用户问“两种设备维护方案的成本与效果对比”，任务规划会先拆解为“检索两种方案的基础信息、调用经验库中的维护案例、整合多源数据进行对比、评估检索质量、生成对比结果”等子任务，然后触发多元检索，从知识库、业务系统中获取多维度信息，同时调用经验库问答，复用过往维护经验，确保每个子任务有序执行，最终输出全面、精准的对比结果。简单说，任务规划就是“总指挥”，让多元检索、经验库问答等能力协同发力，避免各自为战。
Q5：多元检索是AgentRAG的核心优势之一，具体能实现什么效果？
A5：多元检索是AgentRAG突破传统RAG局限的关键能力，核心是打破“单一检索、零散输出”的困境，实现多来源、多维度、多步骤的信息整合检索。传统RAG仅能进行单一关键词检索，面对多元对比、多跳推理类问题，只能返回零散信息，需人工整合；而AgentRAG的多元检索，依托ReAct Agent的任务规划能力，能根据子任务需求，同时检索知识库、经验库、业务系统等多类数据源，还能实现多跳推理，整合不同维度的信息，甚至能在检索到矛盾信息时，主动检索更权威的来源或提示信息冲突。比如在企业流程优化场景中，多元检索能同时获取流程文档、各部门数据、经验库中的优化案例，整合后为任务规划提供全面支撑，让最终的回答更全面、更具针对性，无需用户手动筛选整合信息，大幅提升效率。
Q6：经验库问答在AgentRAG中如何应用？能为企业解决什么实际问题？
A6：经验库问答是AgentRAG的特色能力，也是向量空间AgentRAG与JBoltAI深度适配后的核心落地优势，核心是让企业沉淀的隐性经验（如老员工的操作技巧、业务处理经验）实现可复用、可执行。具体应用的是：企业可在JBoltAI平台，为不同业务场景（如设备维护、客户服务）搭建经验库，设置对应的关键词和检索词，当用户提问触发相关场景时，AgentRAG会通过意图识别和任务规划，精准触发经验库问答，按预设的固定步骤自动执行任务，无需人工干预。比如员工问“设备异响停机怎么办”，AgentRAG会触发经验库中“设备故障排查”相关条目，按“检查传感器→润滑设备→排查电路→测试运行”的步骤执行，同时结合多元检索获取设备运行数据，确保方案可落地。这一能力能解决企业“隐性经验流失、新人上手慢”的问题，让老员工的经验转化为可复用的标准化流程，提升业务处理的一致性和效率。
Q7：可追溯回答是AgentRAG的重要特性，具体体现在哪些方面？对企业有什么价值？
A7：可追溯回答是AgentRAG保障回答可信度、满足企业合规需求的核心特性，贯穿“意图识别-任务规划-多元检索-经验库问答-答案生成”全流程。具体体现在两个方面：一是信息来源可追溯，每一条回答都会清晰标注信息来自知识库的具体文档、经验库的具体条目，甚至标注检索时的关键词和检索词，让用户一眼就能知道答案的由来；二是执行过程可追溯，会完整呈现任务规划的步骤、每一步子任务的执行结果、检索质量的评估记录，若答案出现偏差，可快速排查是检索环节、意图识别环节还是经验库配置环节出现问题，便于快速优化。对企业而言，这种可追溯性不仅能避免大模型“幻觉”导致的错误回答，还能满足金融、政务等行业的合规审计需求，同时便于员工验证答案准确性、复用解决问题的思路，提升知识传递效率。
Q8：AgentRAG的这些核心能力（意图识别、任务规划等），是如何协同工作的？
A8：AgentRAG的所有核心能力并非独立存在，而是依托ReAct Agent+知识库+Skill的架构，形成了“闭环协同”的工作模式，具体流程如下：第一步，用户提问后，AgentRAG先通过意图识别，精准判断用户需求类型（如多元对比、隐含意图）；第二步，由任务规划模块，将复杂需求拆解为有序的子任务，明确每个子任务的执行顺序和所需资源；第三步，根据子任务需求，触发多元检索，从知识库、业务系统等多来源获取信息，同时若有对应业务场景，触发经验库问答，复用企业隐性经验；第四步，对检索结果和经验库内容进行评估，若检索质量不达标，调整检索策略重新执行；第五步，整合所有信息，生成可追溯的最终回答，同时将执行过程和结果记录归档，便于后续优化。整个过程中，ReAct Agent统筹全局，意图识别、任务规划、多元检索、经验库问答相互配合，确保回答精准、全面、可落地、可追溯，这也是AgentRAG能突破传统RAG局限的核心原因。
Q9：普通企业使用AgentRAG，门槛高吗？需要专业的技术能力吗？
A9：普通企业使用AgentRAG的门槛很低，尤其是向量空间AI实验室的AgentRAG，无需专业的技术开发能力，就能快速落地。一方面，JBoltAI提供可视化配置界面，企业只需在平台上完成经验库的关键词、检索词配置，以及意图识别标签、任务规划步骤的编排，就能启用AgentRAG的所有核心能力，无需编写大量代码；另一方面，AgentRAG能快速对接企业现有的业务系统、知识库，无需大规模改造现有架构，中小企业也能快速上手。简单说，企业只需聚焦自身业务场景，做好经验沉淀和基础配置，就能充分发挥AgentRAG的优势，实现意图识别、任务规划、多元检索、经验库问答、可追溯回答的全流程落地，无需投入大量的技术成本。
