Un RAG classico riceve una domanda, recupera dei passaggi e poi genera una risposta. Questa catena è rapida, comprensibile e adatta a molti usi documentali. Un RAG agentico aggiunge un ciclo: il modello analizza la domanda, sceglie una fonte o uno strumento, esamina il risultato, riformula e continua fino a un criterio di arresto.
Questa autonomia può risolvere questioni a più fasi. Aumenta anche il numero di chiamate, la variabilità e la superficie di attacco. L'obiettivo non è rendere tutto RAG agentico, ma riservare la pianificazione ai compiti che ne hanno bisogno.
Il RAG classico come baseline
Un'architettura semplice comprende:
- normalizzazione della questione;
- ricerca a testo completo, vettoriale o ibrida;
- filtraggio dei diritti;
- eventuale riordino
- costruzione del contesto;
- generazione con citazioni ;
- controllo del formato.
È testabile passo dopo passo. La latenza e il costo sono prevedibili. Gran parte dei problemi deriva dalla qualità del corpus, dalla segmentazione o dalla ricerca, non dall'assenza di un agente.
I limiti di una ricerca unica
Una sola richiesta diventa insufficiente quando la domanda chiede:
- confrontare più entità;
- collegare gli eventi nel tempo;
- consultare fonti diverse;
- calcolare a partire dai risultati;
- risolvere un'ambiguità;
- verificare un'affermazione;
- collegare ricerca e strumento professionale.
Una domanda come « quali clausole sono cambiate tra le due versioni e quale impatto sui fascicoli aperti? » richiede più fasi e fonti.
Prima dell’agente: le strategie intermedie
Riformulazione controllata
Una regola o un modello produce alcune varianti, poi i risultati vengono fusi. Il numero di chiamate rimane limitato.
Scomposizione secondo un modello
Per un confronto, il sistema crea una sotto-domanda per entità e poi raccoglie le risposte. La struttura è nota e verificabile.
Instradamento
Un classificatore sceglie l'indice, la lingua o lo strumento. Non pianifica liberamente.
Riranking e contesto vicino
A volte, il passaggio pertinente esiste già tra i candidati. Basta migliorare la classificazione.
Queste tecniche offrono una parte dei benefici con meno variabilità.
Ciò che aggiunge un agente RAG
Un agente mantiene uno stato di ricerca, sceglie una prossima azione e valuta se l'informazione è sufficiente. Può:
- chiedere una chiarificazione;
- selezionare una fonte;
- generare una richiesta;
- chiamare un'API;
- leggere un risultato ;
- rilevare una lacuna;
- verificare un'affermazione;
- sintetizzare con provenienza.
Le azioni devono rimanere in un catalogo limitato e il piano non è mai un'autorizzazione.
I criteri che giustificano un ciclo agentico
Variabilità del percorso
Le domande richiedono fasi diverse che non possono essere codificate semplicemente.
Fonti multiple
Documenti, base, web autorizzato e strumenti professionali devono essere coordinati.
Verifica possibile
Il sistema può controllare una somma, una citazione, una coerenza o la presenza di una prova.
Valore sufficiente
Il guadagno sulle questioni complesse compensa la latenza e il costo.
Tolleranza all'incertezza
Il risultato viene rilevato o utilizzato in una decisione i cui controlli sono adeguati.
Gioco di valutazione
Casi multi-fase permettono di misurare se il ciclo apporta realmente un miglioramento.
Quattro livelli di RAG, dal recupero singolo alla ricerca agentica iterativa con verifica.
Progettare il piano come uno stato esplicito
Il piano non deve esistere soltanto in un testo nascosto. Il sistema conserva fasi strutturate: obiettivo, azione, parametri, risultato, prova, stato e prossima decisione.
Questa rappresentazione permette:
- limitazione del numero di fasi;
- ripresa ;
- visualizzazione all’utente;
- audit ;
- confronto ;
- interruzione.
I ragionamenti privati del modello non sono necessari. Basta conservare decisioni operative e giustificazioni brevi.
Scegliere strumenti limitati
Uno strumento di ricerca riceve una richiesta, dei filtri e un numero massimo. Un calcolatore esegue un'operazione definita. Un accesso aziendale rispetta i diritti. L'agente non riceve una shell, un SQL o un browser illimitato.
Ogni strumento restituisce dati strutturati, una provenienza e gli errori. I risultati sono considerati non affidabili fino a convalida.
Definire i criteri di interruzione
Un ciclo senza limiti può continuare a cercare, consumare e accumulare rumore. I criteri includono:
- numero massimo di passaggi;
- budget di token o costo;
- durata;
- prove sufficienti;
- assenza di nuove informazioni;
- fiducia minima;
- bisogno di chiarimento;
- azione vietata.
Quando il criterio non è raggiunto, il sistema produce una risposta parziale o un rifiuto esplicito.
Verificare piuttosto che auto-convincersi
Chiedere allo stesso modello se è soddisfatto non costituisce una prova. Le verifiche utili sono esterne: riferimenti esistenti, calcolo, schema, vincoli aziendali, secondo metodo di ricerca o revisione umana.
Un modello può svolgere un ruolo critico, ma i suoi verdetti sono calibrati su casi umani e non sostituiscono i controlli deterministici.
Gestire le citazioni multi-fase
Ogni affermazione finale deve essere collegata ai passaggi e ai risultati che la supportano. Il sistema mantiene la provenienza a ogni passo e evita che un riassunto intermedio perda i riferimenti.
Quando un calcolo utilizza più fonti, visualizzare gli input, le versioni e la formula. Le contraddizioni vengono segnalate.
Sicurezza
Il ciclo aumenta l’esposizione all’iniezione di prompt: ogni documento e risposta dello strumento può tentare di influenzare il piano. I dati rimangono separati dalle politiche. Gli strumenti e le destinazioni sono controllati da un livello indipendente.
Il contesto di ogni fase è minimo. I segreti non sono mai accessibili al modello. Le chiamate web o di codice vengono eseguite in un ambiente isolato.
Latenza ed esperienza utente
Una ricerca agentica può richiedere diversi secondi o minuti. L'interfaccia mostra lo stato utile: fonti in corso, fase, possibilità di annullare e risultato parziale. Non mostra pseudo-ragionamenti teatrali.
I compiti lunghi possono essere asincroni, con notifica e ripresa. Una cache riutilizza i sotto-risultati stabili quando i diritti e la freschezza lo permettono.
Costo
Il costo varia con il numero di fasi, di richieste, di token e di riordini. Un budget per compito e un modello di instradamento impediscono cicli costosi.
Le domande semplici devono seguire il percorso diretto. Un classificatore o delle regole possono riservare l'agente alle intenzioni complesse.
Valutare il contributo
Confrontare il RAG agentico con una baseline forte, non con un prototipo debole. Misurare:
- tasso di risposta corretta;
- copertura delle prove;
- qualità dei rifiuti ;
- numero di fasi ;
- latenza ;
- costo;
- stabilità ;
- errori dello strumento;
- soddisfazione.
L'analisi per tipo di domanda rivela dove l'agente è utile e dove peggiora l'esperienza.
Distribuire progressivamente
Iniziare in modalità osservazione: l’agente propone un piano senza agire, poi confrontarlo con il metodo attuale. Attivare poi alcuni strumenti in lettura, budget rigorosi e una revisione umana.
I casi falliti alimentano la serie di valutazione. I limiti vengono aumentati solo se i guadagni sono dimostrati.
La semplicità come architettura predefinita
Un RAG classico ben progettato rimane la scelta migliore per una base di conoscenze e domande dirette. La ricerca agentica diventa rilevante quando il compito richiede realmente un'esplorazione variabile e verificabile.
Partitech può costruire una baseline RAG, progettare i cicli di ricerca, mettere in sicurezza gli strumenti e mettere in atto le valutazioni comparative. L’obiettivo è aggiungere autonomia solo dove migliora la qualità utile.
Parliamo del tuo progetto
Valutare l’interesse di un agente RAG sui vostri casi reali con Partitech. Contatta Partitech.