待验证50% 置信事实精确时间
RAG架构能规避LLM上下文窗口长度的限制，通过检索最相关代码片段注入提示词而非加载整个代码库
1
来源数
50%
置信度
中期 (~90 天)
时效性
2026/7/3
首次发现
有效期至：2026/10/1
来源
零基础AI编程入门：Cursor使用指南与平价替代工具对比
bilibiliAI人工智能知识分享2026/7/1
相关事实
待验证RAG通过语义相似度匹配，只将与当前任务最相关的代码片段提供给模型，在有限上下文窗口内最大化信息密度76% 相似待验证RAG（检索增强生成）是目前最广泛采用的代码库感知方案，通过嵌入模型如CodeBERT、StarEncoder将代码切分为语义单元76% 相似待验证RAG、分层代码摘要、代码知识图谱等策略是当前企业级AI编程工具突破上下文窗口限制的核心技术手段75% 相似待验证代码场景下的 RAG 主流实现通常结合 Tree-sitter 语法解析进行代码切块，用 voyage-code 系列等代码嵌入模型生成向量，通过近似最近邻搜索（ANN）检索70% 相似待验证RAG（检索增强生成）技术可让IDE在模型调用前自动从项目中检索最相关的代码片段注入Prompt，实现按需上下文69% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/62115API
curl https://kongchang.com/api/v1/knowledge/claims/62115MCP
get_claim(id=62115)