从RAG到Agentic RAG：Spring AI四层演进实战指南

你是否已经搭好了RAG系统，却发现面对“帮我改地址”“查一下退换货进度”这类任务时，AI只会“很抱歉，我无法访问您的账户”？本文提供一条清晰的渐进式演进路径，从L1基础RAG出发，逐层升级到具备工具调用、多步推理和状态恢复能力的Agentic RAG——你不会读到泛泛的概念，每一层都有可运行的Java代码。一、为什么需要逐层演进？一个常见误区是直接跳到Agent模式：把所有工具一股脑交给LLM，期望它自主决策。结果往往是一团乱麻——数据库写入发生在读取之前、工具调用陷入无限循环，或者干脆什么都不做。更靠谱的策略：从RAG出发，逐层添加能力，每完成一层就验证一步。层级核心能力主要技术关键价值L1 基础RAG向量检索 + LLM生成Milvus + ChatClient让AI能“查”知识库L2 增强RAG对话记忆 + 语义缓存 + 元数据过滤Advisors系列 + Filter让AI能“记住”并“过滤”