待验证50% 置信权衡取舍精确时间
整份上下文注入避免了索引过期漂移和检索遗漏关键段落，但代价是每次调用都消耗 token，因此仅适合小规模知识库；大而动态的知识库必须依赖检索。
1
来源数
50%
置信度
长期有效
时效性
2026/10/15
首次发现
来源
WhatsApp AI Agent生产环境踩坑：7个关键工程问题
rss2026/10/15
涉及实体
相关事实
待验证向量 RAG 依赖嵌入索引与相似度排序，适合语料规模大、查询语义模糊的场景，但索引需构建与维护，且切片边界会丢失跨文件上下文；代理式检索不建索引，语义准确、引用可追溯，但每问一次都要重新遍历文件，成本随问题数线性累加。76% 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。75% 相似待验证RAG 架构的优势在于无需重新训练模型即可注入新知识，但代价是提示词长度（输入 token 数量）会随检索内容增加而显著增长72% 相似待验证上下文需求不等于必须搭建检索系统，只有在上万份不断变化的文档中找正确段落时才需要 RAG71% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1034985API
curl https://kongchang.com/api/v1/knowledge/claims/1034985MCP
get_claim(id=1034985)