待验证50% 置信事实精确时间
RAG常用的embedding模型包括Sentence-BERT、BGE（智源研究院推出的中文向量模型）、M3E等
1
来源数
50%
置信度
长期有效
时效性
2026/8/15
首次发现
来源
相关事实
待验证RAG的关键组件包括Embedding模型（如OpenAI的text-embedding-3系列或开源的BGE模型）、向量数据库（Pinecone、Weaviate、Chroma、pgvector等）和检索策略76% 相似待验证RAG离线构建阶段通过Embedding模型（如OpenAI的text-embedding-ada-002或开源的BGE、M3E）将文本块转化为向量并存入向量数据库（如Faiss、Chroma、Milvus、Weaviate）65% 相似已验证RAG技术栈由向量数据库（如Pinecone、Weaviate、Chroma）、嵌入模型、重排序等技术构成64% 相似待验证RAG 架构将官方文档切片后通过嵌入模型转化为高维向量存入向量数据库（如 Chroma、Weaviate、Pinecone），可缓解版本混淆并提升命令版本准确性63% 相似待验证RAG（检索增强生成）是目前企业级大模型落地的主流架构范式63% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/751612API
curl https://kongchang.com/api/v1/knowledge/claims/751612MCP
get_claim(id=751612)