待验证50% 置信事实精确时间
Deckhand采用RAG（检索增强生成）架构，先向量化用户问题，在知识库中检索语义最相关的片段，再交给大模型生成答案。
1
来源数
50%
置信度
长期有效
时效性
2026/10/13
首次发现
来源
涉及实体
相关事实
待验证工程界普遍采用RAG架构：将历史信息切分成语义块，通过嵌入模型转化为向量存入向量数据库（如Faiss、Pinecone、Weaviate），用户提问时计算余弦相似度检索最相关片段72% 相似待验证Windsurf的Cascade功能基于检索增强生成（RAG）技术，会对整个代码仓库建立向量索引72% 相似待验证检索增强生成（RAG）架构将知识存储与语言生成解耦，从简单向量相似度检索演进到融合BM25与语义向量的混合检索、迭代式检索及图RAG72% 相似待验证现代RAG系统广泛采用向量检索技术，通过嵌入模型将文本转为高维向量并计算余弦相似度找到相关文档71% 相似已验证检索增强生成（RAG）通过向量数据库将代码库切分为语义片段，在 AI 处理具体任务时动态检索最相关的内容注入上下文70% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1019811API
curl https://kongchang.com/api/v1/knowledge/claims/1019811MCP
get_claim(id=1019811)