Main

Google представила архитектуру Agentic RAG для итеративного поиска в Gemini Enterprise.

Ключевое обновление в области IT и RAG произошло на уровне корпоративных платформ: Google Research и Google Cloud внедрили новую архитектуру agentic RAG, которая трансформирует классический подход retrieval-augmented generation из одноразового поиска в многоэтапный итеративный процесс [5]. В отличие от традиционных систем, где модель просто извлекает данные и генерирует ответ, новая архитектура способна уточнять запрос, добирать недостающие сведения из разрозненных источников и перепроверять факты в ходе выполнения задачи [5].

Техническая реализация Agentic RAG построена на многоагентной схеме, где запрос сначала анализирует «корневой агент», затем «планировщик» декомпозирует задачу на подзапросы, а «переписчик запросов» оптимизирует их для поиска [5]. Эта система интегрирована в платформу Gemini Enterprise Agent Platform и предназначена для кросс-корпусного поиска, позволяя работать одновременно с несколькими хранилищами данных, что критично для крупных предприятий [5]. Сейчас архитектура доступна в режиме публичного предпросмотра [5].

Этот шаг подтверждает глобальный тренд 2026 года на переход от статичных пайплайнов «извлечь-сгенерировать» к RL-trained reasoning agents, которые самостоятельно решают, когда и что искать [4]. Современный RAG эволюционировал в «Knowledge Runtime» — среду выполнения знаний с четкими слоями инженерии данных, retrieval и governance, где важны не только ответы, но и оценка качества извлечения и аудит [1][2]. Agentic RAG решает фундаментальные проблемы больших контекстов: задержки, стоимость и необходимость аудита, делая продукты честными и актуальными [1].

Источник новости: ixbt.com.