[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"glossary-agentic-rag::ru":3,"gloss-cluster-agentic-rag::ru":26,"gloss-next-agentic-rag::ru":9},{"slug":4,"category":5,"name":6,"definition":7,"meta_desc":8,"faq":9,"schema_markup":9,"related":10},"agentic-rag","agents","Агентный RAG (Agentic RAG)","Агентный RAG превращает обычную генерацию с извлечением (RAG) из фиксированного конвейера «извлёк один раз — ответил» в агента, который сам решает, когда, что и сколько раз извлекать. Вместо того чтобы всегда доставать топ-фрагменты по исходному вопросу, агент может переформулировать запрос, искать в нескольких источниках, оценить, достаточно ли результатов, извлечь снова с улучшенным запросом и только затем ответить — обращаясь с базой знаний как с инструментом, который он вызывает в цикле. Это справляется с многошаговыми вопросами («кто из наших корпоративных клиентов ушёл после изменения цены?») и с расплывчатыми запросами, на которые обычный RAG отвечает плохо. Для разработчиков агентный RAG заметно повышает качество ответов и снижает промахи «в документах этого не было» ценой большего числа вызовов модели и задержки на вопрос. Начните с простого RAG, измерьте, где он не срабатывает, и добавляйте агентное извлечение только для тех типов запросов, которым действительно нужен многошаговый поиск, а не везде.","Агентный RAG превращает извлечение из жёсткого «нашёл один раз — ответил» в агента, который переформулирует запросы и сам решает, когда доказательств хватит.",null,[11,14,17,20,23],{"slug":12,"name":13},"agent","Агент (Agent)",{"slug":15,"name":16},"context-engineering","Инженерия контекста (Context Engineering)",{"slug":18,"name":19},"react-prompting","ReAct-промптинг",{"slug":21,"name":22},"retrieval-augmented-generation","Генерация с дополненным поиском (RAG)",{"slug":24,"name":25},"vector-database","Векторная база данных",[27,31,35,38,41,44,47,50,53,54,57,61],{"slug":28,"category":5,"name":29,"updated_at":30},"agent-budget","Бюджет агента (Agent Budget)","2026-08-24T02:46:37+00:00",{"slug":32,"category":5,"name":33,"updated_at":34},"agent-checkpointing","Контрольные точки агента","2026-08-24T02:46:38+00:00",{"slug":36,"category":5,"name":37,"updated_at":30},"agent-handoff","Передача между агентами (Agent Handoff)",{"slug":39,"category":5,"name":40,"updated_at":30},"agent-loop","Цикл агента (Agent Loop)",{"slug":42,"category":5,"name":43,"updated_at":30},"agent-memory","Память агента (Agent Memory)",{"slug":45,"category":5,"name":46,"updated_at":34},"agent-sandbox","Песочница агента",{"slug":48,"category":5,"name":49,"updated_at":34},"agent-trajectory","Траектория агента",{"slug":51,"category":5,"name":52,"updated_at":34},"computer-use","Computer Use (управление компьютером)",{"slug":15,"category":5,"name":16,"updated_at":30},{"slug":55,"category":5,"name":56,"updated_at":34},"dry-run","Пробный прогон (dry run)",{"slug":58,"category":5,"name":59,"updated_at":60},"escalation-path","Маршрут эскалации","2026-08-24T03:30:02+00:00",{"slug":62,"category":5,"name":63,"updated_at":30},"human-on-the-loop","Человек над контуром (Human-on-the-Loop)"]