待验证50% 置信解决方案精确时间
RAG Pipeline四步：文档按章节和语义切块、转向量存入向量数据库、检索时叠加BM25关键词做混合检索、用Cross-Encoder对结果重排序
1
来源数
50%
置信度
长期有效
时效性
2026/7/10
首次发现
来源
AI Agent实战八步法：从零基础到生产环境落地指南
bilibili吴恩达大模型2026/7/9
相关事实
已验证RAG通过将文档切分为语义块后经嵌入模型转化为高维向量存入向量数据库，查询时通过近似最近邻（ANN）搜索找到语义最相近的文档片段74% 相似待验证RAG完整链路包括离线阶段（文档解析→文本分块→Embedding向量化→写入向量数据库）和在线阶段（用户提问→查询向量化→向量检索→召回文档重排序→构建Prompt→LLM生成回答）74% 相似待验证RAG系统的典型管道包括文档切片、向量化嵌入、相似度检索和上下文拼接四个阶段，每个阶段都可能成为恶意指令注入点74% 相似待验证RAG系统的核心工程链路包括文档切分策略、Embedding模型选型与向量数据库部署、混合检索（语义检索+BM25关键词检索）以及Reranker重排序73% 相似已验证RAG工作流程分离线和在线两阶段：离线将文档切分转化为向量存入向量数据库，在线将问题转化为向量通过ANN算法检索最相似文本片段拼接进上下文73% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/464276API
curl https://kongchang.com/api/v1/knowledge/claims/464276MCP
get_claim(id=464276)