已验证65% 置信事实精确时间

RAG通过将文档切分为语义块后经嵌入模型转化为高维向量存入向量数据库，查询时通过近似最近邻（ANN）搜索找到语义最相近的文档片段

3

来源数

65%

置信度

长期有效

时效性

2026/7/17

首次发现

来源

LangChain 1.3入门：用Deep Agent构建智能体应用

相关事实

已验证RAG（检索增强生成）技术架构将文档切片、向量化、存入向量数据库，查询时先检索相关片段再交给模型生成回答85% 相似已验证RAG通过将私有文档切分为文本块、转化为向量表示并存储在向量数据库中，检索相关内容注入Prompt来解决大模型知识截止日期的局限性85% 相似待验证RAG通过将代码切分为语义块、经向量嵌入模型转化为高维向量存储在向量数据库中，检索后注入LLM提示词，缓解AI幻觉问题84% 相似已验证RAG的核心逻辑是将文档切片后向量化存储，查询时通过语义相似度检索相关片段注入上下文82% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/541494

API

curl https://kongchang.com/api/v1/knowledge/claims/541494

MCP

get_claim(id=541494)