待验证50% 置信决策规则精确时间
优化 RAG 输入质量的具体方法包括：对检索结果做严格的阈值过滤、减少送入段落数量（如从二十段减到五段）、将最相关内容放在最前面、将问题放在末尾或重复。
1
来源数
50%
置信度
长期有效
时效性
2026/10/14
首次发现
来源
涉及实体
相关事实
待验证RAG流程涉及文档分块策略、向量化方式、检索算法、重排序、提示词模板等多个环节，任一环节出问题都会影响最终答案质量72% 相似已验证RAG的效果高度依赖文档切片策略质量，切片过长增加检索噪声，切片过短丢失上下文语义71% 相似待验证RAG按固定长度切分文档会导致检索准确率低，应按语义边界（段落、章节、逻辑单元）分块以保持每个chunk是完整语义单元70% 相似已验证RAG 通过检索阶段将用户问题转为向量并召回文档片段，生成阶段将召回内容注入提示词，从而降低模型幻觉问题68% 相似待验证RAG 设计中检索结果规模需控制，塞入过多文档会推高 token 成本并稀释关键信息；且检索必须发生在用户有权访问的数据范围内以避免越权数据间接泄露。67% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1025781API
curl https://kongchang.com/api/v1/knowledge/claims/1025781MCP
get_claim(id=1025781)