待验证85% 置信事实时间未知
传统RAG无法回答'知识库里有哪些文档'这类元数据问题，因为它本质上只能检索内容片段
1
来源数
85%
置信度
长期有效
时效性
2026/6/1
首次发现
来源
Agentic RAG完整实现指南：原理、架构与代码实战
bilibiliAI大模型__
涉及实体
相关事实
待验证传统RAG方案的核心局限包括：文档切片破坏知识整体语义结构、向量相似度检索难以捕捉深层逻辑关联、每次查询相互独立无法沉淀结构化知识72% 相似待验证大多数RAG（检索增强生成）实现只解决了'检索到什么'的问题，却忽视了检索到的内容是否可信、是否互相矛盾的更深层问题71% 相似待验证当前RAG系统的检索模块主要依赖语义相关度而非信源可信度筛选文档，这是其在事实核查场景下的核心架构性缺陷70% 相似待验证传统RAG系统存在三大局限：检索不到答案直接返回空结果、无法回答元数据问题、缺乏多轮迭代纠错能力68% 相似待验证当知识库规模超过百万文档量级时RAG检索精度会明显衰退，对跨多文档复合推理问题单次检索往往力不从心66% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/27096API
curl https://kongchang.com/api/v1/knowledge/claims/27096MCP
get_claim(id=27096)