# उन्नत पैटर्न: Agentic, Graph और Multimodal RAG — Retrieval-Augmented Generation (RAG)

Source: https://www.geekswithgeeks.com/hi/rag/p-advanced

> जानें कब सरल retrieve-then-read काफ़ी नहीं होता।

## जब एक retrieval काफ़ी न हो

कुछ सवालों को एक खोज से ज़्यादा चाहिए। **Agentic RAG** मॉडल को कई बार खोजने, अपनी query दोबारा लिखने, tools (दस्तावेज़, SQL, web) में चुनने और पर्याप्त प्रमाण मिलने पर रुकने देता है; यह ज़्यादा सक्षम पर धीमा, महँगा और परखने में कठिन है। **Graph RAG** entities और संबंधों का knowledge graph बनाता है ताकि कई दस्तावेज़ों में फैले सवालों ("कौन-से suppliers project X से जुड़े हैं?") के उत्तर दे सके। **Multimodal RAG** images, तालिकाएँ और charts retrieve करता है, जैसे captions या multimodal embeddings से। **संरचित डेटा** के सवाल अक्सर पाठ retrieve करने की जगह SQL बनाकर बेहतर हल होते हैं। इन्हें तब अपनाएँ जब बुनियादी pipeline मापी जा चुकी हो और उसकी सीमाएँ स्पष्ट हों।

**Quiz:** Agentic RAG कब सबसे उपयोगी है?

- [ ] Evaluation से बचने के लिए
- [ ] एक-पंक्ति FAQ खोज के लिए
- [x] जब सवाल के उत्तर के लिए कई searches या tools चाहिए
- [ ] LLM हटाने के लिए

*Answer:* जब सवाल के उत्तर के लिए कई searches या tools चाहिए. बहु-चरणीय सवाल पुनरावृत्त retrieval से लाभ पाते हैं, गति और जटिलता की क़ीमत पर।