待验证50% 置信事实精确时间

RAG 通过检索阶段将用户问题转为向量并召回文档片段，生成阶段将召回内容注入提示词，从而降低模型幻觉问题

1

来源数

50%

置信度

长期有效

时效性

2026/7/9

首次发现

来源

Dify实战入门：本地部署到构建企业级AI应用完整指南

bilibili秒懂AI大模型2026/7/7

相关事实

已验证RAG技术通过将问题转为向量检索最相近知识片段并拼入提示词，可大幅减少大模型幻觉79% 相似待验证RAG架构通过在推理时将外部知识库的相关片段动态注入上下文，缓解LLM的知识截止问题，但也扩大了间接提示注入的攻击面78% 相似待验证RAG（检索增强生成）的工作原理分为索引、检索、生成三个阶段，能显著减少大语言模型的幻觉（hallucination），并支持知识的实时更新。77% 相似待验证RAG通过以检索代替记忆，规避大模型知识过时问题并缓解模型幻觉76% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/375766

API

curl https://kongchang.com/api/v1/knowledge/claims/375766

MCP

get_claim(id=375766)