待验证50% 置信事实精确时间
规模化上下文时的最大瓶颈是历史工具输出，包括历次检索文本块、工具调用与结果对及文件搜索记录
1
来源数
50%
置信度
中期 (~90 天)
时效性
2026/8/20
首次发现
有效期至：2026/11/18
来源
相关事实
已验证RAG通过将私有文档切分为文本块、转化为向量表示并存储在向量数据库中，检索相关内容注入Prompt来解决大模型知识截止日期的局限性69% 相似待验证在文件数量不过千的个人知识库场景下，结构化Markdown索引比向量数据库检索更稳定、可解释性更强69% 相似待验证父子块策略将文档同时索引为大块和小块，检索时用小块精准定位，生成时返回大块提供完整上下文68% 相似待验证在真实上下文工程场景中，上下文散布在多个来源：本地文件系统、数据库、Web、长期记忆等，每种上下文源需要对应的搜索工具67% 相似已验证RAG（检索增强生成）的典型流程包括文档分块（Chunking）、向量嵌入（Embedding）、相似度检索（Similarity Search）和上下文注入（Context Injection）四个步骤66% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/778900API
curl https://kongchang.com/api/v1/knowledge/claims/778900MCP
get_claim(id=778900)