待验证50% 置信事实精确时间

RAG和fine-tuning解决的是两类不同的问题，一个关乎模型知道什么，另一个关乎模型如何表达与行为

1

来源数

50%

置信度

长期有效

时效性

2026/10/12

首次发现

来源

RAG还是微调？构建AI系统时你问错了问题

涉及实体

RAGconcept Fine-tuningconcept

相关事实

待验证RAG工作流通常涉及两类模型：嵌入模型（将文本转换为向量用于相似度检索）和对话大模型（综合检索结果生成答案）77% 相似待验证嵌入模型的选择对 RAG 系统性能的影响甚至超过生成模型75% 相似已验证RAG（检索增强生成）是解决大模型幻觉问题和知识时效性问题的核心架构模式73% 相似待验证Skills 机制通过 RAG 或直接注入 System Prompt 的方式影响模型行为，在不修改模型权重的前提下引导模型输出72% 相似待验证RAG通过检索外部文档拼入提示词改变模型输入，但不触及模型本身的推理逻辑或权重，属于引导而非设定行为70% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/1003569

API

curl https://kongchang.com/api/v1/knowledge/claims/1003569

MCP

get_claim(id=1003569)