待验证60% 置信事实精确时间
RAG（检索增强生成）通过按需检索替代全量加载，绕过直接扩展上下文窗口带来的算力二次方级增长问题
2
来源数
60%
置信度
长期有效
时效性
2026/7/6
首次发现
来源
开源AI助手对接OpenClaw龙虾实战：本地智能体配置全流程
bilibili枫影剑wind2026/7/4
相关事实
待验证RAG（检索增强生成）的流程是固定的「检索→拼接→生成」，没有分支判断，也不会根据中间结果改变后续行为74% 相似待验证RAG（检索增强生成）能够有效缓解LLM上下文窗口有限及知识截止日期的固有局限71% 相似待验证RAG（检索增强生成）和 Fine-tuning（微调）能一定程度弥补大模型无法感知企业内部数据的缺陷70% 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70% 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。70% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/114296API
curl https://kongchang.com/api/v1/knowledge/claims/114296MCP
get_claim(id=114296)