反思轮数默认 3：腾讯云把检索不准时的重查封顶在 10

反思轮数默认 3：腾讯云把检索不准时的重查封顶在 10

这篇是腾讯云智能体开发平台操作指南《Agentic RAG》，页面最近更新时间是 2026 年 8 月 21 日 18:08:02。页脚写版权所有，没有另写禁止引用。下面只整理这一页怎么配检索、怎么用轮数换准确度，以及它没有给出的数字。

Agentic RAG（智能体检索增强生成）是知识库问答。传统 RAG 检索一次就生成。Agentic RAG 跑在 Agent Loop 上：自己看这轮检索够不够，不够就换策略再查。页面把它和传统 RAG 对成五行。检索从单次变成多轮。回答质量上，传统做法被第一次检索卡住；这边会在结果不准时改策略重查。场景从单文档问答扩到多文档整合、带条件的筛选和交叉验证。策略从固定变成可切换，混合检索和关键词检索按需换。工具名也不同：传统是知识库问答 / KnowledgeRetrievalAnswer，这边是知识库问答 / AgenticRAGSearch。

页面点名四类问题：对比两款产品的功能；按时间和地区筛政策，例子是 2025 年华东区销售政策有哪些变化；从多处知识核对差旅报销标准有没有更新；按公司制度问跨部门审批怎么走。数据库和结构化表格另写了一句：传统 RAG 一次查不到就回复失败，这种场景用 AgenticRAGSearch 更合适、准确率较高。实现可以是 Claw 模式加这个工具，或单工作流模式加这个工具。这里的「准确率较高」没有百分数，不能写成测出来的分。

代价写在注意里：比传统 RAG 更费 Token。简单问答仍建议用传统 RAG，响应更快、成本更低。

先有应用和知识库，再加四个配置

使用前提两条。应用是 Claw 模式或 Multi-Agent 模式；如果在工作流里用，走连接器与工具节点，选 AgenticRAGSearch。知识库要已经建好并导入文档，文档怎么导入另见《文档概述》，这一页没有重复步骤。

步骤一：应用编辑页的工具区点添加工具，在知识库问答分类里选 AgenticRAGSearch。

步骤二：配反思模型。页面说反思模型负责看检索结果相不相关、完不完整，再决定要不要改策略进入下一轮。模型从下拉里选，没有列出可选模型的名字。

步骤三：配重排序模型，把初次检索再排一次，相关的靠前。两个选项：youtu-rerank-llm 是默认，基于 LLM，排序精度高；youtu-rerank 是轻量，响应更快。没有给出两者的分差。

步骤四：定检索范围。可以选整个知识库，也可以只选其中一部分知识。页面的判断是范围越窄，效率和回答准确度越高，并建议按业务拆库，不要把无关知识放进来。仍然没有准确度的测量值。

反思轮数 0 到 10，默认 3

步骤五只有一个旋钮：反思轮数限制，取值 0 到 10，默认 3。它限制的是「反思再检索」最多转几圈。表按四档写效果，用的是定性说法，不是一份打分表。

0 轮等于标准检索，只查一次，给简单问答和对速度要求高的场景。

1 到 3 轮是推荐档，准确度和速度折中，给大多数知识问答。

4 到 6 轮，页面写准确度更高、响应更慢，给复杂多文档推理和高准确度要求。

7 到 10 轮，页面写准确度最高，响应慢、Token 消耗大，给极高准确度的关键场景。

三条说明：轮数越大，检索越充分，速度越慢，Token 越高。设成 0，就不做自我反思，退回标准检索。建议从默认 3 轮开始，再按效果和成本改。页面没有写某一轮数对应的命中率、延迟毫秒或 Token 均值。

步骤六：在应用设置里对话测试，满意后再发布到正式环境。测试怎么打分、要备多少题，这一页没有写。

工作流里按问题分流，首响会变长

工作流建议按意图拆开。简单问题走大模型知识问答节点。复杂问题再进 AgenticRAGSearch。例子是「产品 A 和产品 B 有什么差异」，以及「分析 2024 年和 2025 年收入差异」。注意写明：这个工具的首响时间比大模型知识问答节点长。若首响比准确率更重要，不要用它。

不能从这张表读出分数

0 到 10 和默认 3 是配置上限，不是实验结论。四档「准确度更高」「最高」是产品说明里的排序，没有样本数，没有对照实验，也没有线上 A/B。重排序只有两个模型名和「精度高 / 速度快」的对照，没有指标。数据库场景的「准确率较高」同样没有数。召回测试在下一篇文档，更新时间是 2026 年 8 月 5 日，不并进这一页。没有失败案例的比例，没有套餐外的权限说明。

出处：腾讯云，腾讯云智能体开发平台，Agentic RAG，2026-08-21，https://cloud.tencent.com/document/product/1759/132211