待验证50% 置信事实精确时间
向量搜索比较语义近似度，对精确匹配（如编号、日期、编码）天然不擅长，指向性查询是向量搜索的弱项。
1
来源数
50%
置信度
长期有效
时效性
2026/10/15
首次发现
来源
别从向量数据库开始：先用关键词搜索打好基线
rss2026/10/15
涉及实体
相关事实
待验证纯向量搜索对结构化、精确性要求高的信息（如人名、日期）表现力不从心，需元数据过滤配合77% 相似待验证向量检索在精确标识符（如合同编号、客户名称、日期范围、物料代码）查找上表现糟糕，因为嵌入模型将文本压缩为稠密向量，相似度排序对精确等值没有约束力。76% 相似待验证单纯依赖向量相似度检索召回往往不精准，需要结合关键词检索的混合检索方案75% 相似待验证单次检索的瓶颈根源于向量相似度搜索将用户查询压缩为单一高维向量，当问题包含多个语义方向时该向量成为多个语义的平均，导致子意图无法充分表达72% 相似待验证Naive RAG 的短板包括：单一向量检索容易忽略精确关键词匹配、无元数据过滤、缺少重排序导致相关性排序不够精细72% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1034918API
curl https://kongchang.com/api/v1/knowledge/claims/1034918MCP
get_claim(id=1034918)