检索增强生成(RAG)是一种广泛应用的技术,用于将大语言模型(LLM)锚定于外部知识。然而,构建一个高效RAG流水线本身是一项开销高昂的超参数优化任务——需在大量相互耦合的组件选择之间进行权衡,涵盖文本分块策略、嵌入模型、重排序方法以及生成模型等各个环节。当前主流优化方法(从贪心搜索到贝叶斯优化)均将每次试验简化为单一聚合评分,并在此基础上开展搜索;它们并未建模分析“为何某一配置表现不佳”,尽管每次检索所返回的文本片段本身已明确提供了关键线索:失败究竟源于检索阶段(即未召回相关证据),还是发生在后续生成阶段(即虽召回相关内容但未能正确推理作答)。为此,我们提出Agentic AutoRAG——一种面向多目标RAG超参数优化的LLM智能体优化器,其核心创新在于支持对“检索失败”与“生成失败”的归因诊断。该系统首先基于语料库构建一份固定不变的评测试卷,用于对候选配置进行打分;每次试验后,内置的“诊断器”(Diagnoser)会针对每一道答错的问题,精准判定其根本原因属于检索失败还是生成失败;随后,“提议器”(Proposer)依托一个整合了各模型性能排名与计费信息的知识库,综合权衡准确率与成本,自主决策下一轮待测配置,从而逐步追踪出准确率与成本之间的帕累托前沿(Pareto frontier)。在三个多跳问答基准测试中,Agentic AutoRAG所取得的LLM裁判评分准确率全面超越所有对比基线;尤为突出的是,在仅执行前10次试验的情况下,其准确率即已持平或反超各统计型基线经完整30次试验后达到的最终准确率。在面向真实世界医疗健康语料库的成本感知模式下,Agentic AutoRAG实现了77%的评测试卷中位准确率,显著高于最强基线的71.5%,同时单次查询成本仅为该基线的约58%;更进一步,当将其准确率目标设定为与基线持平(即71.5%)时,其单次查询成本可进一步压缩至基线水平的约22%。

