Query Augmentation 是 Agent RAG 第一层
victorialslocum · x · 2026-07-15
这条内容的核心是：**检索做得再好，也救不了被误解的用户查询**。如果输入本身就有歧义、缺上下文或多意图，后面的 retrieval、memory、tools、agent 都会一路放大错误。 作者把 **query augmentation** 视为 agentic RAG 的第一步，并给出三种传统方法： - **rewriting**：把查询改写得更清晰，便于检索匹配 - **expansion**：补充相关词和同义表达，覆盖用户没明确写出的意图 - **decomposition**：把复杂问题拆成多个子问题，再汇总答案 她进一步强调，真正好用的是 **query agent**：由 LLM 动态判断该怎么改写、扩展、拆分，而不是用固定规则硬编码。文中还提到 Weaviate 的 Query Agent 会读取数据集合结构、选择相关集合、构造带过滤和聚合的查询、检查结果是否真的回答了问题，不行就继续重写；还能在追问中保持对话上下文。 结论很明确：上下文工程里，query augmentation 是最前置的一层，后面的检索、记忆、工具和代理推理都依赖它先把问题问对。