已验证65% 置信事实时间未知
长期记忆检索底层依赖向量数据库技术，通过Embedding模型将文本转化为高维向量
3
来源数
65%
置信度
长期有效
时效性
2026/5/31
首次发现
来源
Vibe Coding实战：零代码构建Mini-OpenClaw Agent全流程拆解
bilibili赋范AI课堂
涉及实体
相关事实
已验证向量数据库将文本内容通过嵌入模型（Embedding Model）转化为高维数值向量，检索时通过余弦相似度等算法找出语义最接近的内容79% 相似待验证当前主流AI记忆方案以向量数据库为核心，将文本编码为高维嵌入向量，通过近似最近邻搜索（ANN，如HNSW算法）检索语义相似内容75% 相似待验证大语言模型通过反向传播算法将文本统计规律编码进参数中，不以传统方式存储原始数据，但高频文本可能产生记忆化现象并近乎逐字输出75% 相似待验证向量库通过Embedding模型将文本转化为高维向量，再利用近似最近邻算法（ANN，如HNSW、IVF-Flat）检索语义相近内容73% 相似待验证向量数据库通过将文本嵌入为高维向量并计算余弦相似度实现语义检索，但缺乏结构化关系表达能力71% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/5142API
curl https://kongchang.com/api/v1/knowledge/claims/5142MCP
get_claim(id=5142)