# Agentiskt läge: coreAI bygger sin egen kontext när svaret saknas

När coreAI inte har täckning i den kontext den redan fått in, gör agentiskt läge assistenten kapabel att bygga kontexten själv – istället för att gissa eller ge upp. Den väljer sina egna verktyg på vägen: semantisk sökning, nyckelordssökning och strukturerad filtrering mot din egen kunskapsbas – och dessutom externa MCP-API:er om du kopplat assistenten till relevanta källor. Du slår på funktionen per assistent, och ändrar hur den tänker, inte bara vad den vet.

![Skiss av hur coreAI väljer verktyg i agentiskt läge](/articles/agentic-mode.webp)

## Vad är agentiskt läge?

Traditionell RAG (Retrieval-Augmented Generation) hämtar kontext i förväg: systemet kör en sökning, trycker in resultaten i prompten, och låter språkmodellen svara utifrån det den fick. Agentiskt läge vänder på det. Istället för att förladda kontext exponeras sökning i kunskapsbasen som ett verktyg språkmodellen själv kan anropa – så många gånger den behöver för att täcka frågan.

Det betyder att assistenten tar egna beslut på vägen: vilka sökningar som ska köras, hur de ska formuleras, och när den har nog för att svara. På sammansatta frågor är det skillnaden mellan ett halvt svar och ett helt.

## Så resonerar assistenten i flera steg

Efter varje sökning gör coreAI en täckningskontroll: den identifierar de enskilda delfrågorna och namngivna begreppen i det användaren frågade om, och kontrollerar att vart och ett av dem har direkt stöd i källorna som kom tillbaka. Saknas något, söker den igen med en bredare eller mer spetsad fråga innan den ens börjar svara.

![Skiss av hur coreAI gör täckningskontroll och söker igen innan den svarar](/articles/agentic-mode-reasoning.webp)

- på frågor med reellt innehåll tvingas assistenten att söka istället för att gissa
- den kan köra flera sökningar i samma svar för att fånga upp alla delar av en fråga
- hittar den fortfarande ingen täckning, säger den ifrån om att svaret inte finns i kunskapsbasen – istället för att hitta på
- alla träffar från sökningarna samlas, så att svaret kan visa exakt vilka källor det bygger på

Exempel: "Vad är er returrätt, och hur lång tid tar en återbetalning?" är egentligen två frågor. Agentiskt läge söker först på returrätt, sedan på återbetalningstid, och svarar på båda. En enkel förladdning skulle lätt missa ena halvan.

## Verktygen assistenten kan använda

Agentiskt läge ger språkmodellen en liten, precis uppsättning verktyg – och den väljer själv vilket som passar:

- semantisk sökning för naturligt-språk-frågor, breda ämnen och rekommendationer
- nyckelordssökning för att slå upp exakta termer: personnamn, roller, dokumenttitlar eller produktnummer
- strukturerad filtrering för produktassistenter, till exempel på pris, produktnummer eller om varan är på rea
- externa verktyg via MCP (Model Context Protocol) – för livedata eller handlingar som ligger utanför kunskapsbasen

Har assistenten både egen kunskapsbas och anslutna MCP-servrar, kan den kombinera interna och externa verktyg i samma svar: hämta fakta från dina egna källor och kontrollera en livestatus från ett annat system i ett och samma varv.

## När agentiskt läge gör störst skillnad

Agentiskt läge lönar sig mest när frågorna är sammansatta, när svaret är spritt över flera källor, eller när användaren förväntar sig att assistenten hämtar något färskt från ett annat system. Du får mer fullständiga svar, verifierbara källhänvisningar, och en assistent som hellre säger ifrån än hallucinerar när informationen inte finns.