已过期50% 置信事实精确时间

文档分片时需要与Embedding模型的上下文窗口匹配，若模型最大支持8192个Token，分片超过该长度会被截断导致信息丢失

1

来源数

50%

置信度

中期 (~90 天)

时效性

2026/7/2

首次发现

有效期至：2026/9/30(已过期)

来源

飞书文档+AI知识库实战：RAG与TipTap编辑器开发全解析

bilibili码农小鸣2026/6/25

相关事实

待验证生成文档向量和查询向量必须使用同一个embedding模型，不同模型的向量空间互不兼容，混用会导致检索失效67% 相似待验证索引阶段和查询阶段必须使用同一个Embedding模型，否则向量空间不一致会导致检索完全失效65% 相似待验证Eflow Base记录的Token数据来自上游模型返回的usage字段，而非前端估算63% 相似待验证在RAG流程返回大量候选文档片段时，可先按相关性排序再截取前3-5项传入大模型以控制输入长度61% 相似待验证即使模型支持128K或更长的上下文窗口，将所有历史信息塞入Prompt也不能保证模型正确利用这些信息，注意力稀释会导致关键信息被忽略59% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/41096

API

curl https://kongchang.com/api/v1/knowledge/claims/41096

MCP

get_claim(id=41096)