布吉岛 Agent

Appearance

12.3.3 Self-RAG 和普通 RAG 有什么区别？ ​

先给结论：普通 RAG 把“检索”当作外部步骤，Self-RAG 把“检索决策与证据自检”变成模型内部的可预测信号。两者的核心区别不在检索器，而在“是否有自检与纠错机制”。

核心差异 ​

  • 检索触发：普通 RAG 通常固定触发，Self-RAG 由模型判断是否需要检索
  • 证据判断：普通 RAG 默认信任检索结果，Self-RAG 输出相关性/支持性信号
  • 纠错机制：普通 RAG 依赖外部策略，Self-RAG 内置“自检驱动的纠错”
  • 成本结构：普通 RAG 成本稳定，Self-RAG 可能多轮检索导致成本波动

一个最小差异示意 ​

普通 RAG：

  • 检索 -> 生成

Self-RAG：

  • 判断是否检索 -> 检索 -> 自检证据 -> 继续检索或生成

差异不在“有没有检索”，而在“是否可自检 + 可纠错”。

什么时候普通 RAG 足够用 ​

  • 问题相对简单，检索质量稳定
  • 业务容忍一定的波动
  • 成本敏感、延迟敏感

什么时候 Self-RAG 更合适 ​

  • 需要稳定证据链的场景
  • 检索质量波动明显
  • 错误成本很高，必须减少幻觉

自检清单 ​

  • 你的检索是否经常“看似相关但实际不支撑”？
  • 是否需要让系统自己判断“要不要继续检索”？
  • 是否愿意承担更高的延迟和成本换取更稳定的质量？

一句话总结 ​

普通 RAG 追求“检索后直接生成”，Self-RAG 追求“检索前后都自检”。当你无法容忍检索波动时，Self-RAG 的结构化自检才有价值。