Агентный подход к интеллектуальному поиску в библиотечных системах

В статье исследуется применение агентного подхода Retrieval-Augmented Generation (Agentic RAG) в задачах интеллектуального поиска по библиотечным фондам. Объектом исследования является архитектура Agentic RAG, объединяющая методы извлечения информации, агентное планирование и механизмы самооценки промежуточных результатов. Рассматриваемая проблема связана с ограничениями классического Retrieval-Augmented Generation при обработке сложных тематических и контекстных запросов в условиях семантически насыщенных библиотечных данных. В отличие от традиционного RAG, агентная архитектура позволяет итеративно уточнять стратегию поиска, адаптироваться к контексту запроса и пересматривать промежуточные результаты. Методология исследования основана на разработке программного прототипа Agentic RAG и его экспериментальном сравнении с классическим RAG на корпусе реальных данных университетской библиотеки, включающем библиографические метаданные, аннотации и фрагменты полных текстов. Для оценки эффективности использованы количественные метрики информационного поиска (Precision@k, Recall@k, MRR, nDCG) и экспертная оценка релевантности итоговых ответов. Результаты демонстрируют устойчивое превосходство Agentic RAG по показателям точности, полноты и качества ранжирования, особенно при обработке сложных запросов. При этом интерпретация выводов ограничена выбранным набором метрик и параметрами экспериментального корпуса. Практическая значимость заключается в возможности внедрения агентной архитектуры в библиотечно-информационные системы без радикальной перестройки инфраструктуры.

1. Каптерев А.И., Тикунова И.П. Отражение библиотечной проблематики в региональных стратегиях цифровой трансформации субъектов РФ. Научные и технические библиотеки. 2025;(3):161–180. https://doi.org/10.33186/1027-3689-2025-3-161-180

2. Тикунова И.П. Цифровизация как тренд библиотечного развития. Труды ГПНТБ СО РАН. 2021;(3):31–37. https://doi.org/10.20913/2618-7575-2021-3-31-37

3. Bevara R.V.K., Lund B.D., Mannuru N.R., et al. Prospects of Retrieval Augmented Generation (RAG) for Academic Library Search and Retrieval. Information Technology and Libraries. 2025;44(2). https://doi.org/10.5860/ital.v44i2.17361

4. Singh A., Ehtesham A., Kumar S., Khoei T.T. Agentic retrieval-augmented generation: A survey on agentic RAG. arXiv. URL: https://doi.org/10.48550/arXiv.2501.09136 [Accessed 16th November 2025].

5. Lewis P., Perez E., Piktus A., et al. Retrieval-Augmented Generation for Knowledge-Intensive NLP Tasks. arXiv. URL: https://doi.org/10.48550/arXiv.2005.11401 [Accessed 16th November 2025].

6. Gao Y., Xiong Y., Gao X., et al. Retrieval-augmented generation for large language models: A survey. arXiv. URL: https://doi.org/10.48550/arXiv.2312.10997 [Accessed 26th November 2025].

7. Aytar A.Y., Kaya K., Kilic K. A Retrieval-Augmented Generation Framework for Academic Literature Navigation in Data Science. arXiv. URL: https://arxiv.org/html/2412.15404v1 [Accessed 26th November 2025].

8. Barnett S., Kurniawan S., Thudumu S., Brannelly Z., Abdelrazek M. Seven Failure Points When Engineering a Retrieval Augmented Generation System. In: Proceedings of the IEEE/ACM 3rd International Conference on AI Engineering – Software Engineering for AI (CAIN '24), 14–15 April 2024, Lisbon, Portugal. New York: Association for Computing Machinery; 2024. P. 194–199. https://doi.org/10.1145/3644815.3644945

9. Mazumder J., Mukhopadhyay P. Designing Question-Answer Based Search System in Libraries: Application of Open Source Retrieval Augmented Generation (RAG) Pipeline. Journal of Information and Knowledge. 2024;61(5):255–260. https://doi.org/10.17821/srels/2024/v61i5/171583

10. Schneider F., Ahmadi N.B., Ahmadi N.B., et al. CollEX – A Multimodal Agentic RAG System Enabling Interactive Exploration of Scientific Collections. In: Proceedings of the 1st Workshop on Multimodal Augmented Generation via Multimodal Retrieval (MAGMaR 2025), 01 August 2025, Vienna, Austria. Association for Computational Linguistics; 2025. P. 18–39. https://doi.org/10.18653/v1/2025.magmar-1.2

11. Nagori A., Casonatto R.A., Gautam A., Cheruvu A.M.S., Kamaleswaran R. Open-Source Agentic Hybrid RAG Framework for Scientific Literature Review. arXiv. URL: https://arxiv.org/abs/2508.05660 [Accessed 29th November 2025].

12. Chu Zh., Wang Sh., Xie J., et al. LLM agents for education: Advances and applications. arXiv. URL: https://arxiv.org/abs/2503.11733 [Accessed 30th November 2025].

13. Maheshwari H., Tenneti S., Nakkiran A. CiteFix: Enhancing RAG Accuracy Through Post-Processing Citation Correction. arXiv. URL: https://doi.org/10.48550/arXiv.2504.15629 [Accessed 21st November 2025].