待验证50% 置信事实精确时间

RAG 架构中，原始页面被切分为 chunk（通常几百 token），通过嵌入模型（如 OpenAI 的 text-embedding 系列）映射为高维向量，存入向量数据库，用户提问时按余弦相似度召回最相关段落。

1

来源数

50%

置信度

长期有效

时效性

2026/10/13

首次发现

来源

最佳生成引擎优化平台怎么选？答案引擎引用机制全解析

涉及实体

RAGconcept OpenAI text-embeddingproduct 向量数据库concept

相关事实

已验证RAG通过将文档切分为语义块后经嵌入模型转化为高维向量存入向量数据库，查询时通过近似最近邻（ANN）搜索找到语义最相近的文档片段79% 相似已验证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78% 相似待验证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、Weaviate77% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/1021182

API

curl https://kongchang.com/api/v1/knowledge/claims/1021182

MCP

get_claim(id=1021182)