待验证60% 置信事实精确时间
AI Scientist的想法生成模块使用了检索增强生成（RAG）技术，从学术数据库中检索相关论文作为上下文输入LLM
2
来源数
60%
置信度
中期 (~90 天)
时效性
2026/7/2
首次发现
有效期至：2026/9/30
来源
Sakana AI Scientist v2深度解析：AI自主科研系统架构与实践
githubnubismatute-art2026/6/7
相关事实
已验证AI Overview采用RAG（检索增强生成）架构，先通过传统搜索检索相关网页，再由Gemini模型对检索结果进行摘要和综合82% 相似待验证Axi AI 采用类似RAG（检索增强生成）策略，在生成代码前从结构化知识库检索模块数据手册、引脚映射和示例代码作为上下文79% 相似待验证朴素RAG由Meta AI于2020年提出，其范式是将问题转化为向量在知识库中检索相关文档片段后送入LLM生成答案，过程为单次静态78% 相似待验证企业级AI知识库的核心技术是RAG，需要结合Chunking策略、Reranking和Hybrid Search（混合BM25关键词检索与语义向量检索）来提升检索质量78% 相似待验证建站场景的AI助手通常经过领域微调或RAG（检索增强生成）处理，将产品帮助文档和常见问题库作为知识库78% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/42880API
curl https://kongchang.com/api/v1/knowledge/claims/42880MCP
get_claim(id=42880)