Agent+RAG做复杂问答时，怎么让LLM正确选择多个子知识库？

这问题我太有同感了，之前做类似项目时也被跨库漏检坑过。你试过让LLM先列计划再执行，但我觉得核心瓶颈在于它根本不知道某个库“有没有答案”，所以光靠意图识别去路由天然就存在盲区。我后来是改成两层结构：第一层用轻量级embedding对所有库做粗召回，把每个库的top3结果都拿回来，第二层再让LLM基于这些片段做交叉判断和答案生成，效果比强行路由稳很多。关于多跳意图，与其在prompt里反复强调“可能涉及多个库”，不如在系统消息里直接给几个典型的多跳问题样例，让模型模仿那个推理路径。另外，元数据过滤确实能帮上忙，比如把部门标签、日期范围、文档类型提前过滤掉不相关的库，减少误判概率，但前提是你要对问题里的实体有比较准的抽取。还有个偏门但有用的技巧——给每个库写一段“能力描述”，包括常见问题类型和边界，让LLM在路由前先读一遍这些描述，相当于给它一份“地图”，比裸库名信息量大得多。你现在的LangGraph是每个库单独一个检索节点吗？如果改成并行调用所有库，然后用一个reranker统一排序，可能比指望LLM精确选择更省心。