待验证90% 置信事实时间未知
知识库检索中，文档分段后每个文本块通过嵌入模型（如text-embedding-ada-002或BGE系列）转换为高维向量存储在向量数据库中
1
来源数
90%
置信度
长期有效
时效性
2026/6/1
首次发现
来源
Coze知识库搭建教程：RAG检索与工作流配置实战指南
bilibili达内教育
涉及实体
相关事实
已验证向量数据库主流产品包括Pinecone、Chroma、Weaviate，文本通过嵌入模型转换为高维向量后存储其中78% 相似待验证RAG离线构建阶段通过Embedding模型（如OpenAI的text-embedding-ada-002或开源的BGE、M3E）将文本块转化为向量并存入向量数据库（如Faiss、Chroma、Milvus、Weaviate）78% 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、Weaviate77% 相似待验证双塔架构允许文档端向量在离线阶段预先计算并存储在向量数据库中，在线查询时只需编码查询文本76% 相似已验证RAG通过将私有文档切分为文本块、转化为向量表示并存储在向量数据库中，检索相关内容注入Prompt来解决大模型知识截止日期的局限性75% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/18896API
curl https://kongchang.com/api/v1/knowledge/claims/18896MCP
get_claim(id=18896)