检索增强生成已成为自然语言处理的核心，因为它们在生成事实内容方面的有效性。虽然传统方法采用单次检索，但更多最近的方法已转向多次检索，以执行多跳推理任务。然而，这些策略受到预定义推理步骤的限制，可能导致响应生成的不准确性。本文介绍了MetaRAG，一种将检索增强生成过程与元认知相结合的方法。借鉴认知心理学，元认知允许实体自我反思和批判性评估其认知过程。通过整合元认知，MetaRAG使模型能够监控、评估和规划其响应策略，增强其内省推理能力。通过三步元认知调节管道，模型能够识别初步认知响应中的不足并修正它们。实证评估显示MetaRAG显著优于现有方法。