待验证50% 置信观点精确时间

RAG的质量往往卡在最前端的文档解析阶段，简单文本提取会破坏表格、标题层级和脚注等结构导致语义向量失真

1

来源数

50%

置信度

长期有效

时效性

2026/7/8

首次发现

来源

OfficeCLI：专为AI智能体设计的Office文档读写命令行工具

hackernewshackernews2026/7/6

相关事实

待验证RAG将文档切成固定大小chunk，跨文档、跨时间的逻辑关联在切片时被破坏，向量相似度检索无法重建这些隐性联系68% 相似待验证在RAG应用中，Office文档直接提取的文本常常丢失表格结构、混入页眉页脚噪音、无法识别段落层级关系，成为质量瓶颈68% 相似待验证文本分块过大会稀释检索精度，过小会导致语义不完整，分块策略直接决定RAG系统的检索质量66% 相似待验证RAG的效果高度依赖文档切片策略质量，切片过长增加检索噪声，切片过短丢失上下文语义66% 相似已验证RAG存在检索精度不稳定、语义匹配偏差以及消耗大量上下文窗口等缺陷63% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/227764

API

curl https://kongchang.com/api/v1/knowledge/claims/227764

MCP

get_claim(id=227764)