待验证50% 置信权衡取舍精确时间

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

1

来源数

50%

置信度

长期有效

时效性

2026/8/16

首次发现

来源

GraphRAG实战：用知识图谱构建智能检索Agent

相关事实

待验证基于向量数据库的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78% 相似待验证微调将知识烧录进模型权重，知识更新需重新训练成本高；RAG将知识存储外部数据库，更新只需修改数据库无需改动模型77% 相似待验证相比微调，RAG在知识更新成本和幻觉控制方面具有显著优势73% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/756333

API

curl https://kongchang.com/api/v1/knowledge/claims/756333

MCP

get_claim(id=756333)