Google Research показали Agentic RAG для Gemini Enterprise Agent Platform - RAG, который не сдаётся после первого поиска. Обычный RAG часто ломается на корпоративных вопросах, где ответ лежит не в одном документе, а размазан по нескольким базам. Нашёл кусок про проект, увидел только ID сервера, но не пошёл дальше искать характеристики этого сервера в другой системе - и выдал неполный ответ. У Google идея такая: превратить RAG в многоагентный процесс. Что внутри: - Orchestrator понимает, что запрос не решается за один шаг - Planner разбивает задачу на маршруты поиска - Query Rewriter переписывает вопрос в несколько точных запросов - Search Fanout ищет по разным источникам - Sufficient Context Agent проверяет, хватает ли данных для ответа Модель проверяет: закрыты ли все части вопроса. Если данных не хватает, она явно пишет, чего именно не хватает, и отправляет систему искать дальше. На FramesQA такой подход дал до 34% прироста точности по сравнению со стандартным RAG. В cross-corpus сценарии, где нужно выбрать правильный источник из нескольких, система ответила правильно на 90.1% вопросов. По сути, Google двигает RAG от «поиска + генерации» к маленькому исследовательскому пайплайну, где есть планирование, маршрутизация, проверка контекста и повторный поиск. Для enterprise это важнее красивых демо: меньше галлюцинаций, больше трассируемости и понятнее, почему система дала именно такой ответ. research.google/blog/unlocking-dependable-responses-with-gemini-enterprise-agent-platforms-agentic-rag/