已验证70% 置信事实精确时间
RAG架构分为检索阶段和生成阶段，检索阶段使用向量数据库（如Chroma、Pinecone、Milvus）通过余弦相似度召回相关文本片段
4
来源数
70%
置信度
长期有效
时效性
2026/7/13
首次发现
来源
技能包驱动AI智能体：告别繁琐工作流的高效方案
bilibili全域智能体2026/7/11
相关事实
待验证RAG通过检索+生成两阶段架构，先将问题转化为向量表示在向量数据库（如Faiss、Milvus、Chroma）中进行语义检索，弥补大模型知识固化和无法感知私有信息的缺陷81% 相似待验证RAG在代码场景中通常分三阶段实现：AST解析或分块、Embedding向量化存储于向量数据库（如Pinecone、Chroma、Qdrant）、用户提问时执行近似最近邻检索并拼接至提示词79% 相似已验证RAG（检索增强生成）技术架构将文档切片、向量化、存入向量数据库，查询时先检索相关片段再交给模型生成回答78% 相似待验证RAG工程实现包含离线索引与在线检索两个阶段，在线阶段通过余弦相似度或点积相似度检索Top-K相关片段拼接进Prompt77% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/502194API
curl https://kongchang.com/api/v1/knowledge/claims/502194MCP
get_claim(id=502194)