已验证65% 置信事实精确时间

RAG（检索增强生成）在调用LLM前从向量数据库检索相关文档片段注入提示词，当检索文档不匹配或包含错误信息时会产生'由检索驱动的幻觉'

3

来源数

65%

置信度

长期有效

时效性

2026/7/19

首次发现

来源

AI Agent调试瓶颈：生产环境可观测性实战指南

相关事实

已验证RAG机制通过向量数据库检索语义相近的业务数据片段并注入LLM提示词，解决LLM的知识截止与幻觉问题，且无需重新训练模型79% 相似待验证RAG（检索增强生成）流水线引入了新的失败点：当检索步骤拉取了错误的文档时，LLM仍会基于错误文档写出流畅但自信且错误的回答，因此幻觉可能始于检索环节而非模型本身。79% 相似待验证RAG将检索结果作为动态上下文注入LLM的提示词，解决了LLM无法访问个人私有历史数据的局限77% 相似待验证RAG系统中可观测性工具需要同时记录检索结果与生成内容，才能定位是检索召回不准确还是模型未能利用上下文76% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/558692

API

curl https://kongchang.com/api/v1/knowledge/claims/558692

MCP

get_claim(id=558692)