$ loading_
帮助团队搭建企业级 Agentic RAG 智能体，完成检索、记忆与工具调用全链路实现
复制安装指令，让 AI 自动完成配置 · 推荐新手
"ragent" 暂无可直接复制的安装信息，请查看页面文档或源码仓库。
请基于公司制度、产品文档和 FAQ 设计一个企业级 Agentic RAG 方案，包含文档解析、多路检索、问题重写、会话记忆和工具调用流程，并给出模块划分与实施步骤。
输出一套可落地的企业知识助手架构方案、流程设计和实施清单。
我需要提升客服场景下的问答准确率，请分析当前 RAG 链路中意图识别、召回、重排和回答生成的优化点，并设计多路检索与深度思考策略。
给出检索链路优化建议、策略设计以及可执行的改进方向。
请为一个从 0 到 1 的企业 RAG 项目制定工程方案，覆盖数据接入、文档切分、索引构建、会话记忆、MCP 工具接入、评测指标和上线阶段安排。
输出完整的项目实施蓝图，包括系统模块、阶段目标与评测方案。
帮助 AI 代理跨应用读写记忆，持续学习用户偏好与知识关系。
帮助用户检索并发现多领域 Agentic AI 的论文、基准、框架与工具。
将非结构化文档转为可检索知识库，并通过 MCP 提供检索能力给 AI 代理调用。
帮助用户快速搭建本地 RAG 服务，实现私有知识检索与问答集成。
帮助用户用低代码方式搭建复杂创新的 RAG 检索增强生成流程
扫描 LLM 智能体工作流中的安全风险，帮助团队提前发现并修复隐患。