A2RAG：面向成本感知与可靠推理的自适应智能体图检索

图检索增强生成（Graph-RAG）通过将语料组织为知识图谱并利用关系结构路由证据，提升多跳问答性能。然而实际部署面临两大瓶颈：一是混合难度查询下统一检索策略导致成本浪费或性能不足；二是图抽象过程丢失源文本中的细粒度限定信息。本文提出A2RAG，一种自适应且具智能体特性的GraphRAG框架，结合自适应控制器（仅在必要时触发针对性精炼）与智能体检索器（逐步提升检索强度并将图信号映射回原始文本），以应对提取损失和图谱不完整问题。在HotpotQA和2WikiMultiHopQA上的实验表明，A2RAG在Recall@2指标上分别提升9.9和11.8个百分点，同时将token消耗与端到端延迟降低约50%。