待验证50% 置信事实精确时间
上下文窗口与本地索引是本地Agent处理大型代码库时的关键约束，模型通常依赖检索增强（RAG）或代码索引来按需加载相关片段，索引质量直接决定Agent能否找到正确上下文。
1
来源数
50%
置信度
长期有效
时效性
2026/10/19
首次发现
来源
涉及实体
相关事实
待验证传统的Agent记忆管理方案通常依赖向量数据库进行语义检索，或通过RAG动态拉取相关信息72% 相似待验证references目录本质上是一个局部知识库，Agent执行Skill时会将相关文档内容加载到上下文窗口，与RAG检索增强生成机制紧密相关72% 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71% 相似待验证全局上下文文件可以结合检索增强生成（RAG）机制，在项目规模扩大后按需注入相关规则片段，避免超出模型的上下文窗口限制68% 相似待验证素材挖掘Agent的底层可能涉及RAG（检索增强生成）架构，使用向量数据库存储用户输入内容68% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1064650API
curl https://kongchang.com/api/v1/knowledge/claims/1064650MCP
get_claim(id=1064650)