待验证50% 置信事实精确时间
VaultRAG 的检索与生成流程中，后端先检索最相关的文本块并拼装成提示词，再通过 Server-Sent Events（SSE）从本地 LLM 流式返回响应。
1
来源数
50%
置信度
中期 (~90 天)
时效性
2026/10/13
首次发现
有效期至：2027/1/11
来源
涉及实体
相关事实
已验证检索增强生成（RAG）在生成回答前从企业私有知识库检索相关文档片段注入提示词，导致每次查询都将内部文档片段发送至模型服务商服务器66% 相似待验证使用追踪（usage traces）是系统在运行过程中自动记录的输入输出日志、错误信息与执行路径，是DSPy、TextGrad等主流LLM优化框架的核心反馈来源65% 相似待验证RAG流水线通常包含文档分块、Embedding向量化、写入向量数据库、相似度检索、Top-K召回注入Prompt、LLM生成答案等环节63% 相似已验证RAG架构分为检索阶段和生成阶段，检索阶段使用向量数据库（如Chroma、Pinecone、Milvus）通过余弦相似度召回相关文本片段63% 相似待验证RAG工程实现包含离线索引与在线检索两个阶段，在线阶段通过余弦相似度或点积相似度检索Top-K相关片段拼接进Prompt62% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1017586API
curl https://kongchang.com/api/v1/knowledge/claims/1017586MCP
get_claim(id=1017586)