待验证60% 置信事实时间未知
RAG完整链路包括离线阶段（文档解析→文本分块→Embedding向量化→写入向量数据库）和在线阶段（用户提问→查询向量化→向量检索→召回文档重排序→构建Prompt→LLM生成回答）
2
来源数
60%
置信度
长期有效
时效性
2026/5/31
首次发现
来源
Milvus 2.6核心新特性详解：分层存储、架构解析与RAG实战
bilibili马士兵学堂
涉及实体
相关事实
已验证RAG工作流程分离线和在线两阶段：离线将文档切分转化为向量存入向量数据库，在线将问题转化为向量通过ANN算法检索最相似文本片段拼接进上下文80% 相似待验证RAG系统的核心工程链路包括文档切分策略、Embedding模型选型与向量数据库部署、混合检索（语义检索+BM25关键词检索）以及Reranker重排序79% 相似已验证RAG核心流程分为离线阶段（将企业文档切片经Embedding模型转化为高维向量存入向量数据库）和在线阶段（将用户查询向量化后相似度检索），有效解决大模型幻觉问题77% 相似已验证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75% 相似已验证RAG的完整工作流程包含索引、检索、生成三个关键阶段，索引阶段需通过Embedding模型将文本块转换为高维向量75% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/6679API
curl https://kongchang.com/api/v1/knowledge/claims/6679MCP
get_claim(id=6679)