待验证50% 置信事实精确时间
Document Context采用RAG（检索增强生成）范式，先用向量检索找到最相关片段，再连同用户问题送给LLM
1
来源数
50%
置信度
长期有效
时效性
2026/7/6
首次发现
来源
Palantir Agent与Ontology交互机制深度解析
bilibili零点未来2026/7/4
相关事实
待验证Vibe-Research的研报解读功能在技术上对应RAG（检索增强生成）范式，将文档切片存入向量数据库后检索相关片段作为上下文76% 相似待验证检索增强生成（RAG）的核心流程分为三步：将知识库文档切分并向量化存储、检索语义最相关片段、将片段作为上下文注入LLM提示词75% 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74% 相似已验证Context Engineering阶段的核心技术包括RAG（检索增强生成）、记忆管理和动态文档注入73% 相似已验证LlamaIndex专注于数据索引与检索场景，在RAG应用构建方面具有更精细的控制能力72% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/113732API
curl https://kongchang.com/api/v1/knowledge/claims/113732MCP
get_claim(id=113732)