待验证60% 置信注意事项精确时间
生成文档向量和查询向量必须使用同一个embedding模型，不同模型的向量空间互不兼容，混用会导致检索失效
2
来源数
60%
置信度
长期有效
时效性
2026/7/24
首次发现
来源
本地离线RAG应用实战：用Ollama+ChromaDB构建PDF私密问答系统
redditr/ollama2026/7/12
相关事实
待验证索引阶段和查询阶段必须使用同一个Embedding模型，否则向量空间不一致会导致检索完全失效84% 相似待验证Embedding模型把查询和文档映射到同一向量空间，用余弦相似度等度量匹配；当查询使用领域缩写、内部代号或与训练语料分布差异较大的措辞时，可能导致正确文档排到很后面甚至不出现在候选集中。74% 相似待验证当同一份原始数据被多个系统各自生成指标时，会因计算口径不同产生数值差异，排障时造成混淆70% 相似待验证在RAG系统中，建库和检索两个步骤必须使用同一个Embedding模型，否则两个模型对相似性的定义不同，向量空间无法对齐，检索结果会严重偏离。70% 相似待验证知识库效果差的根源通常出在文档切片策略不合理、向量模型选择不当，或检索召回数量不足等环节，而非模型本身的问题69% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/608533API
curl https://kongchang.com/api/v1/knowledge/claims/608533MCP
get_claim(id=608533)