待验证60% 置信事实时间未知
知识库底层依赖RAG（Retrieval-Augmented Generation，检索增强生成）技术，将私有文档切片后通过Embedding模型转化为高维向量存入向量数据库
2
来源数
60%
置信度
长期有效
时效性
2026/5/31
首次发现
来源
AI智能体自动生成测试用例实战：MCP Server与Dify落地指南
bilibili老范测试开发
涉及实体
相关事实
待验证Retrieval-Augmented Generation (RAG) anchors facts by retrieving relevant documents from external knowledge bases before generation, but has limitations including inconsistent retrieval quality and limited context windows78% 相似待验证向量数据库通过将文本转化为高维向量并建立近似最近邻（ANN）索引，是RAG检索增强生成架构的核心基础设施77% 相似待验证RAG索引阶段将文档切片并通过Embedding模型转换为向量，存入向量数据库如Faiss、Pinecone、Weaviate76% 相似待验证Socrati底层技术涉及RAG（检索增强生成）架构，将用户上传的文档切片后存入向量数据库，再通过语义检索驱动课程内容生成76% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/14730API
curl https://kongchang.com/api/v1/knowledge/claims/14730MCP
get_claim(id=14730)