RAG系统大对决：让AI自己做决策真的更香吗？Enhanced vs Agentic全方位实测揭秘！

研究背景

想象一下，你问ChatGPT一个问题，它不仅要从自己的"大脑"里找答案，还要翻遍外部知识库，然后再给你回复。这就是RAG（检索增强生成）系统做的事情。但问题来了：是让系统按照固定流程一步步走，还是让AI自己当"项目经理"，自主决定每一步该干什么？

这篇论文就是要回答这个问题。研究团队把RAG系统分成了两大阵营：

• Enhanced RAG（增强型RAG）：就像一条精心设计的流水线，有专门的"查询改写工"、"文档排序工"等模块，各司其职
• Agentic RAG（智能体RAG）：让大语言模型当总指挥，它自己决定要不要检索、要不要改写查询，完全自主控制

目前业界对这两种方案各有追捧，但到底哪个更好用？在什么场景下该选哪个？成本和性能怎么平衡？这些问题都没有明确答案。于是研究团队决定做一次"华山论剑"式的全面对比。

他们的核心贡献有两点：第一，从四个关键维度评估了两种系统的实际表现；第二，详细分析了成本和计算时间的差异，给实际应用提供了非常实用的参考。

相关工作：RAG技术的演进脉络

RAG这个概念最早由Lewis等人在2020年提出，最初的设计非常简单：收到查询→检索相关文档→把文档和查询一起喂给模型→生成答案。但这种"裸RAG"（论文里叫Naïve RAG）问题多多：有时候明明不需要检索也要检索一遍，浪费资源；有时候检索到的文档质量不高，都是些不相关的内容；用户问题和知识库文档的表述方式差异太大，匹配效果差。

于是Enhanced RAG应运而生，研究者们开始往这条流水线上加各种"增强模块"：

• 查询改写模块（比如HyDE技术，把问题改写成假想的答案段落，再去匹配）
• 语义路由模块（判断这个问题到底需不需要检索）
• 重排序模块（把检索到的文档按相关性重新排序）

与此同时，随着GPT-4这类模型的推理能力暴涨，Agentic RAG开始冒头。这种方案的核心思想是：既然模型都这么聪明了，为什么不让它自己决定工作流程？于是各种Agent框架像雨后春笋般出现：LangGraph、LlamaIndex、CrewAI等等。

但有意思的是，尽管这两条技术路线都很火，学术界竟然还没有人做过系统性的对比实验。Neha和Bhati在2025年提出了一些理论上的区分，但没有真刀真枪地测试。这篇论文就是要填补这个空白。

核心方法：四大维度的"拳拳到肉"对比

研究团队选了四个关键维度来PK这两种系统，每个维度都对应Naïve RAG的一个痛点：

1. 用户意图处理：该不该检索的判断力

问题情境：用户问"今天天气怎么样"，系统不应该去知识库里翻文档；但问"公司Q3销售报告的关键数据是什么"，就必须检索。这个判断能力很重要。

Enhanced的做法：用semantic-router框架，提前准备一堆"有效问题"和"无效问题"的例子，新问题来了就跟这些例子比相似度，判断属于哪一类。

Agentic的做法：让GPT-4o自己决定，它可以选择"调用RAG工具"或者"直接回答"。

测试方法：在FIQA（金融问答）、FEVER（事实验证）、CQADupStack（论坛问答）三个数据集上各准备500个有效查询和500个无效查询，看谁判断得准。

2. 查询改写：让问题和文档"说同一种语言"

问题情境：用户问"自由职业的税务影响是什么？“，知识库里的文档可能写的是"自由职业者需要缴纳以下税种……”，表述方式不一样，直接匹配效果差。

Enhanced的做法：强制执行HyDE改写——把问题改写成一段假想的答案，比如"自由职业需要缴纳特定税种……"，然后用这段文本去匹配知识库。

Agentic的做法：提示词里告诉Agent可以改写查询，但Agent自己决定要不要改、怎么改。

评估指标：用NDCG@10（归一化折损累积增益）来衡量检索质量，这是信息检索领域的黄金标准。

其中：

是第个文档的相关性标签。

3. 文档列表优化：检索完还能再精选

问题情境：第一次检索可能拿到20个文档，但其中有些不太相关，需要进一步筛选。

Enhanced的做法：用基于ELECTRA的重排序模型，把20个文档重新排序，选出最相关的10个。

Agentic的做法：Agent可以多次调用检索工具，每次都能调整查询策略，自己迭代优化。

4. 底层模型影响：换个"大脑"性能差多少

实验设计：用Qwen3系列的四个模型（0.6B、4B、8B、32B参数）分别测试，看模型大小对两种系统的影响是否一致。

评估方式：用Selene-70B作为"AI裁判"，评价生成答案的质量。这个模型在LLM-as-a-Judge竞技场排名很高，而且在金融问答任务上跟人类评价高度一致。

实验效果：谁更强？要看具体场景

用户意图处理：Enhanced在复杂场景更稳

结果很有意思：在FIQA（金融）和CQADupStack（英语语法）这种领域边界清晰的场景，Agentic RAG表现更好，F1分数分别达到98.8和99.8。但在FEVER（事实验证）这种开放域任务上，Agentic的召回率只有49.3%，比Enhanced低了35个百分点！

原因很明确：当任务边界模糊时，Agent经常"过度热情"，本不该检索的也去检索了。而Enhanced的基于示例的路由系统，在这种情况下反而更稳定。

查询改写：Agent的灵活性胜出

在所有数据集上，Agentic RAG的检索质量平均高出Enhanced RAG 2.8个NDCG@10点。特别是在NQ（自然问题）数据集上，Agentic达到51.7，比Enhanced的43.9高了近8个点。

这说明什么？Agent能根据具体问题灵活决定改写策略，而Enhanced是"一刀切"的强制改写，有时候反而画蛇添足。

文档优化：Enhanced的重排序完胜

这个结果出人意料：Enhanced RAG通过重排序模块，在FIQA上从45.0提升到51.0（提升6个点），在CQADupStack上从46.0提升到48.0。

但Agentic RAG呢？即使允许它多次调用检索工具，性能反而比基线还差（FIQA降到43.4，CQADupStack降到44.4）。看来Agent虽然能自主决策，但在"精挑细选文档"这件事上，还是不如专门训练的重排序模型靠谱。

模型大小影响：两者表现趋同

无论Enhanced还是Agentic，随着底层模型从0.6B增大到32B，性能都稳步提升，而且提升曲线几乎一致。这说明模型能力的影响是跨系统的，选哪种架构和选多大的模型可以独立考虑。

成本分析：Agentic的"奢侈税"不容忽视

这部分数据可能是最让实际应用者关注的：

Token消耗对比（FIQA数据集）：

• Agentic比Enhanced多消耗2.7倍的输入token
• 输出token多1.7倍
• 整体耗时增加1.5倍

在CQADupStack数据集上差距更大：

• 输入token多3.9倍
• 输出token多2.0倍

换算成真金白银：如果你用OpenAI的API，Agentic RAG的成本可能是Enhanced的3-4倍。对于大规模应用，这不是小数目。

为什么会这样？因为Agentic需要不断"思考"——每一步都要推理要不要调用工具、怎么调用，这些中间步骤都要消耗token。而Enhanced是固定流程，该干啥干啥，不用额外"思考"。

从分布图可以看出，Agentic的token消耗和耗时都有明显的"长尾"现象——有些查询特别费劲，Agent要反复调用工具好几次。

论文总结：没有银弹，只有权衡

这篇论文最大的价值在于：打破了"新技术一定更好"的神话。

主要发现可以总结为：

1. 窄领域任务选Agentic，开放域任务选Enhanced：在金融、语法这种边界清晰的场景，Agent的理解力能发挥优势；但在FEVER这种"什么都能问"的场景，基于规则的路由反而更可靠。
2. 查询改写环节Agentic占优：灵活的改写策略确实能提升检索质量，平均提升2.8个NDCG点，这个优势是实打实的。
3. 文档精选必须上重排序：Agent多次检索的策略没有Enhanced的专用重排序模型好用，这可能是Agentic架构的最大短板。论文建议：为什么不在Agentic里也加个重排序工具？
4. 成本差异不可忽视：3-4倍的成本增加对很多应用来说是难以承受的。除非你对性能有极致要求，否则优化好的Enhanced RAG可能更实惠。
5. 模型大小影响两者一致：这意味着你可以先选架构，再根据预算选模型，两个决策相对独立。

实用建议：

如果你是企业开发者，在小规模、预算有限的场景下，Enhanced RAG可能是更明智的选择——性能够用，成本可控。

如果你追求极致的用户体验，或者应用场景特别复杂多变，那Agentic RAG的灵活性值得你为之付费。

但最理想的方案可能是"混合架构"：用Enhanced的重排序模块 + Agentic的灵活决策，取两者之长。研究团队也坦言，他们的Agentic实现只用了一个工具（RAG），如果给Agent配置更丰富的工具箱，结果可能完全不同。

最后

选择AI大模型就是选择未来！最近两年，大家都可以看到AI的发展有多快，时代在瞬息万变，我们又为何不给自己多一个选择，多一个出路，多一个可能呢？

与其在传统行业里停滞不前，不如尝试一下新兴行业，而AI大模型恰恰是这两年的大风口，人才需求急为紧迫！

人工智能时代最缺的是什么？就是能动手解决问题还会动脑创新的技术牛人！智泊AI为了让学员毕业后快速成为抢手的AI人才，直接把课程升级到了V6.0版本‌。

这个课程就像搭积木一样，既有机器学习、深度学习这些基本功教学，又教大家玩转大模型开发、处理图片语音等多种数据的新潮技能，把AI技术从基础到前沿全部都包圆了！

课堂上不光教理论，还带着学员做了十多个真实项目。学员要亲自上手搞数据清洗、模型调优这些硬核操作，把课本知识变成真本事‌！

课程还教大家怎么和AI搭档一起工作，就像程序员带着智能助手写代码、优化方案，效率直接翻倍‌！

这么练出来的学员确实吃香，83%的应届生都进了大厂搞研发，平均工资比同行高出四成多‌。

智泊AI还特别注重培养"人无我有"的能力，比如需求分析、创新设计这些AI暂时替代不了的核心竞争力，让学员在AI时代站稳脚跟‌。

课程优势一：人才库优秀学员参与真实商业项目实训

课程优势二：与大厂深入合作，共建大模型课程

课程优势三：海外高校学历提升

课程优势四：热门岗位全覆盖，匹配企业岗位需求

如果说你是以下人群中的其中一类，都可以来智泊AI学习人工智能，找到高薪工作，一次小小的“投资”换来的是终身受益！

·应届毕业生‌：无工作经验但想要系统学习AI大模型技术，期待通过实战项目掌握核心技术。

·零基础转型‌：非技术背景但关注AI应用场景，计划通过低代码工具实现“AI+行业”跨界‌。

·业务赋能 ‌突破瓶颈：传统开发者（Java/前端等）学习Transformer架构与LangChain框架，向AI全栈工程师转型‌。

智泊AI始终秉持着“让每个人平等享受到优质教育资源”的育人理念‌，通过动态追踪大模型开发、数据标注伦理等前沿技术趋势‌，构建起"前沿课程+智能实训+精准就业"的高效培养体系。

重磅消息

人工智能V6.0升级两大班型：AI大模型全栈班、AI大模型算法班，为学生提供更多选择。

由于文章篇幅有限，在这里我就不一一向大家展示了，学习AI大模型是一项系统工程，需要时间和持续的努力。但随着技术的发展和在线资源的丰富，零基础的小白也有很好的机会逐步学习和掌握。

【最新最全版】AI大模型全套学习籽料（可无偿送）：LLM面试题+AI大模型学习路线+大模型PDF书籍+640套AI大模型报告等等，从入门到进阶再到精通，超全面存下吧！

获取方式：有需要的小伙伴，可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】

来智泊AI，高起点就业

培养企业刚需人才

扫码咨询 抢免费试学

⬇⬇⬇

AI大模型学习之路，道阻且长，但只要你坚持下去，就一定会有收获。