待验证50% 置信事实精确时间
在AI FAQ场景中，RAG通常分为离线与在线两阶段：离线阶段将FAQ文档切分为chunk，通过embedding模型转为向量后存入向量数据库；在线阶段将用户问题向量化，用余弦相似度召回top-k段落，再交由LLM合成答案
1
来源数
50%
置信度
长期有效
时效性
2026/10/15
首次发现
来源
Actually Asked：无代码AI FAQ构建与SEO优化实战
rss2026/10/15
涉及实体
相关事实
已验证传统RAG流程的离线阶段将文档切片并通过嵌入模型转化为向量存储在向量数据库中，在线阶段通过近似最近邻（ANN）算法检索相似文档片段77% 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76% 相似已验证业界通常采用RAG架构解决AI伴侣长期记忆问题，将历史对话以向量形式存储在本地数据库并动态检索注入提示词72% 相似待验证典型的RAG系统包含两个阶段：数据准备阶段和问答生成阶段。71% 相似待验证Embedding模型在RAG流程中出现两次：离线构建知识库时和在线检索时，目标都是把文本映射到同一个向量空间70% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1034091API
curl https://kongchang.com/api/v1/knowledge/claims/1034091MCP
get_claim(id=1034091)