待验证50% 置信权衡取舍精确时间

相比RAG提交prompt有硬上限，图谱工具调用允许模型按需调用任意次数以挖掘所需信息

1

来源数

50%

置信度

长期有效

时效性

2026/7/17

首次发现

来源

Claude Opus 4 + RAG + 知识图谱：AI写小说的架构实战

相关事实

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74% 相似待验证上下文窗口限制导致模型无法一次性处理几十万行代码，需通过RAG或语义搜索动态注入相关代码片段73% 相似待验证传统RAG依赖余弦相似度或点积运算匹配文本嵌入向量，对多跳问题处理能力有限，易导致大模型生成幻觉内容70% 相似待验证基于向量数据库的RAG（检索增强生成）方案更擅长处理文档型知识，但对高度结构化的工程事实检索精准度和实时性往往不够理想69% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/541851

API

curl https://kongchang.com/api/v1/knowledge/claims/541851

MCP

get_claim(id=541851)