待验证90% 置信事实时间未知
OpenClaw的记忆检索本质上是RAG（检索增强生成），将记忆文件切成Chunk，通过字面匹配和语义Embedding的加权相似度排序，取Top-K结果返回给语言模型
1
来源数
90%
置信度
长期有效
时效性
2026/6/3
首次发现
来源
OpenClaw开源小龙虾AI Agent运作原理深度解析
bilibili今晚一起嗦粉叭
涉及实体
相关事实
已验证现代RAG实现广泛引入稠密向量检索（Dense Retrieval），利用嵌入模型将文本转化为高维向量，通过语义相似度进行匹配76% 相似待验证Codex采用RAG（检索增强生成）思路，结合语义相似度和代码依赖图谱进行精简线路检索，只提取与当前任务相关的代码片段68% 相似待验证生成式引擎通常采用检索增强生成（RAG）架构，先从索引语料库检索相关片段，再由语言模型综合生成自然语言答案66% 相似待验证通过歌词文本进行语义搜索的方案依赖向量嵌入和检索增强生成（RAG）两项技术结合66% 相似待验证MEMOIR使用语义路径（Semantic Path）替代扁平化UUID索引来组织记忆，将检索复杂度从O(n)降低到O(log n)66% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/40386API
curl https://kongchang.com/api/v1/knowledge/claims/40386MCP
get_claim(id=40386)