待验证50% 置信决策规则精确时间

可迁移方法论：识别领域实体与关系构建知识图谱、以工具形式暴露给LLM、通过多轮工具调用实现深层信息挖掘

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

待验证在真实上下文工程场景中，上下文散布在多个来源：本地文件系统、数据库、Web、长期记忆等，每种上下文源需要对应的搜索工具62% 相似待验证Skill 中的 references 目录可注入领域知识文档，类似 RAG 的本地知识库，让 Agent 回答有据可查60% 相似待验证GBrain通过命名实体识别（NER）和关系抽取（RE）技术将文档提炼为实体和关系，形成知识网络60% 相似待验证编译式RAG（LLM Wiki）将非结构化文档经过内容解析、知识点提取、关系建模和冲突消解等步骤，转化为结构化的可导航知识网络59% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/541855

API

curl https://kongchang.com/api/v1/knowledge/claims/541855

MCP

get_claim(id=541855)