已验证65% 置信事实时间未知

传统RAG流程的离线阶段将文档切片并通过嵌入模型转化为向量存储在向量数据库中，在线阶段通过近似最近邻（ANN）算法检索相似文档片段

3

来源数

65%

置信度

长期有效

时效性

2026/5/31

首次发现

来源

Agentic Search实战：Agent上下文搜索工具选择与组合指南

bilibili地层世界

涉及实体

RAGconcept ANNconcept

相关事实

已验证典型的RAG流程包括文档切片、向量化嵌入、存入向量数据库、语义检索、上下文拼接和最终生成六个步骤83% 相似已验证标准RAG管线通常包含文档预处理、文本分块、Embedding向量化、向量数据库存储、近似最近邻检索、可选重排序及最终生成共七个环节80% 相似待验证检索增强生成（RAG）技术通过将向量数据库（如Pinecone、Chroma）与大模型结合，使Agent能够实时检索PubMed、arXiv等学术数据库的最新文献78% 相似已验证向量数据库通过将文本转化为高维向量并建立近似最近邻（ANN）索引，是RAG检索增强生成架构的核心基础设施78% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/11814

API

curl https://kongchang.com/api/v1/knowledge/claims/11814

MCP

get_claim(id=11814)