已验证75% 置信事实时间未知

HyDE（Hypothetical Document Embeddings）是一种查询改写策略，让大模型先生成假设性答案文档再用于检索

5

来源数

75%

置信度

长期有效

时效性

2026/6/3

首次发现

来源

企业级RAG项目实战：从原理到部署全流程解析

bilibili大模型教程

涉及实体

相关事实

待验证假设文档嵌入（HyDE）先让LLM根据问题生成假设性回答，再用该假设回答检索真实文档以提升语义匹配精度66% 相似待验证在 Dify 中推荐使用通义千问的 Embedding 模型用于知识库检索等 RAG 功能66% 相似待验证该方法的核心思想是当LLM给出答案和解释后，从原始输入中移除解释中未提及的概念，用精简版输入重新查询模型60% 相似待验证RAG的一个实用技巧是先让模型写出可能的答案，再在该假设性答案附近搜索，以提升召回质量59% 相似已验证RAG通过强制模型从可信文档中提取答案，有效缓解大语言模型的知识截止与幻觉两大问题59% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/40040

API

curl https://kongchang.com/api/v1/knowledge/claims/40040

MCP

get_claim(id=40040)