让 AI 查资料，多搜几轮听起来总比只搜一次稳。但它也可能像临时改路线的司机：绕路找到原先漏掉的地方，同时错过本来已经找到的目标。这正是 Agentic RAG 想解决又可能制造的问题。RAG（检索增强生成）会先从外部文档找材料，再据此回答；Agentic RAG 则让模型自行决定要不要改写问题、继续搜索或停止。
据 Towards Data Science 报道，Abdullahi Dattijo 用 298 个问题比较了可自行追加搜索的智能体与普通搜索。结果并非单向改善：智能体找回了一些普通搜索漏掉的论文，也漏掉了一些普通搜索已经找到的论文。换句话说，追加搜索或许能提高召回率——把相关材料找得更全，却也可能降低精确率，让结果混入噪声或偏离目标。作者据此认为，现有净增益太小，还不足以把额外的智能体流程视为稳定可靠的改进。值得记住的不是“多搜无用”，而是更复杂的检索过程并不会自动换来更完整的证据。