InfoRetriever 检索增强生成 (RAG) 智能体知识库检索工具节点

节点核心功能 (What is it?)

InfoRetriever 工具节点将检索增强生成（Retrieval Augmented Generation，简称 RAG）能力无缝引入工作流画布中。它可以被视作一个驻留在智能体身边的“专属智能研究员”，能够在海量知识库与向量数据中实时定位、召回最相关的上下文片段，从而大幅强化 AI 答复的专业度与事实准确性。

典型适用场景 (When would I use it?)

在以下情况下使用该节点：

让 AI 的回答深度锚定在创作者私有的本地或企业知识库数据源中；
赋予智能体自主查阅、检索与引用专业领域资料的能力；
借助高相关的外挂上下文大幅降低模型幻觉，提高回答保真度；
将向量知识库、技术文档或业务手册与对话型智能体无缝联通。

使用指南 (How to use it)

基础配置流程 (Basic Setup)

在工作流画布中添加 InfoRetriever 节点。
配置描述信息并接入上游的知识检索引擎驱动。
将该节点的输出引脚连接至需要 RAG 检索能力的智能体节点（例如 Agent 的 tools 输入插槽）。

参数输入插槽 (Parameters)

description：告知智能体此工具具体包含何种专业知识与业务信息的描述说明（系统默认为 "Contains information"，精准的描述有助于大模型精准决策何时调起该工具）。
off_prompt：是否在主提示词上下文之外执行 RAG 知识检索与过滤（布尔值，默认值：true，有效节省上下文 Token 并加速处理）。
rag_engine：用于执行知识召回的核心检索引擎实例（必填输入引脚，required）。

输出引脚 (Outputs)

tool：封装配置完成的 RAG 检索工具对象工件（供下游 Agent 节点注册并挂载使用）。
rules：伴随 RAG 工具一同派发的行为约束规则集（ruleset），指导智能体如何严谨引用知识库检索结果。

典型工作流示例 (Example)

构建一个依据企业内部文档提供精准答复的客服问答智能体：

在画布中添加 InfoRetriever 节点。
将挂载了企业规章与产品手册向量库的实例接入该节点的 rag_engine 输入插槽。
将 tool 输出引脚连接至 Agent 节点的 tools 输入插槽。
将 rules 输出引脚连接至 Agent 的 rulesets 插槽。
智能体在回答员工提问时，将自动精准检索内部文档，并基于真实出处输出答案，杜绝凭空胡编。