待验证50% 置信事实精确时间

大模型缺乏真正的长期记忆，每次对话都是全新起点，只能借助外部数据库如RAG检索增强生成来弥补

1

来源数

50%

置信度

长期有效

时效性

2026/7/7

首次发现

来源

提示词工程入门：核心概念、方法论与局限性完全解析

bilibili大模型学习教程2026/7/6

相关事实

待验证微调将知识烧录进模型权重，知识更新需重新训练成本高；RAG将知识存储外部数据库，更新只需修改数据库无需改动模型71% 相似待验证大模型的记忆仅限于当前上下文窗口内的token序列，对话结束后所有中间状态消失68% 相似待验证极简智能体在处理大型代码库时面临上下文窗口管理的挑战，可能在RAG、代码索引、长期记忆等能力上被简化或缺失68% 相似待验证当前LLM的记忆主要受限于上下文窗口，无法真正跨越多次独立对话保留信息68% 相似待验证检索增强生成（RAG）技术可以通过引入外部知识源部分缓解幻觉问题，但在需要深度代码理解的漏洞分析场景中效果有限67% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/168773

API

curl https://kongchang.com/api/v1/knowledge/claims/168773

MCP

get_claim(id=168773)