已验证80% 置信权衡取舍精确时间

基于向量数据库的RAG（检索增强生成）方案更擅长处理文档型知识，但对高度结构化的工程事实检索精准度和实时性往往不够理想

4

来源数

80%

置信度

长期有效

时效性

2026/7/16

首次发现

来源

Capn-hook：让编程Agent告别重复探索，实现跨任务知识沉淀

相关事实

已验证检索增强生成（RAG）通过引入实时网络搜索并附上引用来源来锚定事实，但其效果受搜索结果质量、文档解析准确率、模型理解能力等环节影响82% 相似待验证当数据频繁变动、数据量不大或关系稀疏时，传统向量RAG比GraphRAG更经济，因为维护知识图谱需要持续进行实体抽取、关系对齐和图谱更新78% 相似待验证对于以FAQ或政策文档为主的应用，精细化元数据管理比引入知识图谱更务实76% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/533987

API

curl https://kongchang.com/api/v1/knowledge/claims/533987

MCP

get_claim(id=533987)