待验证50% 置信事实精确时间
Dify的RAG模块在索引阶段将私有文档切分为文本块，通过嵌入模型转化为高维向量并存入向量数据库（如Milvus、Weaviate、pgvector等）
1
来源数
50%
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
Dify+MCP实战：四步搭建多功能AI智能体工作流
bilibili大模型教程2026/6/25
相关事实
待验证典型的RAG系统使用向量数据库（如Pinecone、Milvus、Weaviate）存储文档嵌入，配合嵌入模型（如OpenAI的text-embedding系列）进行语义匹配81% 相似待验证传统RAG流程的离线阶段将文档切片并通过嵌入模型转化为向量存储在向量数据库中，在线阶段通过近似最近邻（ANN）算法检索相似文档片段80% 相似待验证RAG索引阶段将文档切片并通过Embedding模型转换为向量，存入向量数据库如Faiss、Pinecone、Weaviate76% 相似待验证向量数据库通过将文本转化为高维向量并建立近似最近邻（ANN）索引，是RAG检索增强生成架构的核心基础设施76% 相似待验证可基于向量数据库如Milvus、Weaviate、Qdrant构建RAG（检索增强生成）系统为大模型补充私有领域知识75% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/61364API
curl https://kongchang.com/api/v1/knowledge/claims/61364MCP
get_claim(id=61364)