RAG（Retrieval-Augmented Generation）agent 混合搜索与语言生成，用新鲜可靠的事实回答问题。用户发送查询后，智能体先将查询转为 embedding（捕获含义的数字列表），在存有网页、PDF 等文本段落的 vector database 中查找相似 embedding，最佳匹配段落作为 context 返回。智能体将原始问题与这些段落放入大语言模型，模型撰写最终回复，每句话 grounded 于检索文本。此设置保持模型较小、减少错误猜测，且只需向 database 添加新文档即可更新知识。构建 RAG agent 的常用工具包括 embedding model、FAISS 或 Pinecone 等 vector store，以及通过 LangChain 或 LlamaIndex 等 framework 连接的 LLM。