一周之内，RAG 从"会反思的智能体"长成"**能评测自己、能识别用户、准备做权限隔离**的完整企业级系统" 10.05**Agentic RAG 从零实现**：AgentPlanner / plan_retrieval / observe_context / graph.py / 三道刹车 / 前端 AgentStepsPanel 10-06 Rerank 精排（qwen3-rerank）+ refuse 统一拒答节点 + 图重连（2 循环出口+2 正常出口）+ token.STAR 悬案告破 10-07~08多轮历史改写（normalize_query 用 chat_history 做指代消解）+ AnswerVerifier（LLM-as-judge 答案校验） + LangSmith 可观测（@traceable + trace_id 双通道） 10-09~10RAGAS 评测系统：ragas_runner + 非流式评测入口 + EvaluationService CRUD + 后台执行器 + scoring.py 归因 + 前端轮询/抽屉/人工覆盖 LangGraph 三种边：普通边/条件边/循环边；Agentic RAG 靠"条件边+循环边"实现反思 Graph vs Service 边界：有 I/O（DB/SSE）→ Service；纯逻辑 → Graph **三道刹车** ：sufficient / max_rounds / 总开关——循环必须有熔断 rewrite_query 同时清 5 个残留字段，否则检索悄悄用错数据 **AgentPlanner 4 决策**：proceed/rewrite_query/switch_route/refuse + 全失败降级 proceed 工程化 **RAGAS 评测**：4 指标 + asyncio.to_thread 包同步慢函数 + raise_exceptions=False 评测与线上同链路：非流式入口 + 强制空历史（控制变量）——评测测的就是线上行为 Bad Case 归因：决策树：error→other / 拒答对不对 / 引用命中 / RAGAS 哪项低 → 定位到 embedding_recall_miss / rerank_order_error / generation_off_context / prompt_constraint_weak **人工与自动结合**：规则能归因的自动，搞不定的（RRF 融合错误）留人工 PATCH 长任务 = 后台任务+轮询：几分钟的任务 SSE 会超时；BackgroundTasks + 5s 轮询 **LLM-as-judge 降级**：AnswerVerifier 任何失败 → verified=True + reason 留痕