待验证50% 置信事实精确时间
知识库构建使用文本分割器切块，调用阿里百炼的Text Embedding V3模型完成向量化，存入Chroma数据库。
1
来源数
50%
置信度
中期 (~90 天)
时效性
2026/10/29
首次发现
有效期至：2027/1/27
来源
Agentic RAG实战：从原理到代码，手把手搭建智能检索系统
bilibiliAgent智能体_2026/10/16
涉及实体
相关事实
已验证向量数据库将文本内容通过嵌入模型（Embedding Model）转化为高维数值向量，检索时通过余弦相似度等算法找出语义最接近的内容73% 相似待验证RAG的工作流可拆解为三个步骤：将外部文档切分成文本块并通过embedding模型转换为向量存入向量数据库；用户提问时将问题向量化并做相似度检索取出Top-K文本块；将文本块拼接进提示词交由大语言模型生成回答73% 相似待验证向量数据库通过嵌入模型（如OpenAI的text-embedding-3-large或开源的BGE-M3）将文本转化为数百至数千维的浮点数向量，向量距离对应语义相似度72% 相似待验证Qwen3-8B蒸馏模型能够胜任内容提取、文本整理、分类、格式转换、简单数据处理和基础代码等边界清晰的执行型任务72% 相似待验证语义检索技术通过嵌入模型将Skill描述文本转化为高维向量存入向量数据库，通过余弦相似度等算法检索最匹配的技能72% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1110358API
curl https://kongchang.com/api/v1/knowledge/claims/1110358MCP
get_claim(id=1110358)