已验证65% 置信事实精确时间

传统RAG通常采用向量相似度检索，但对结构化关系的捕捉能力有限

3

来源数

65%

置信度

长期有效

时效性

2026/8/31

首次发现

来源

GitDecode：AI知识图谱代码库理解工具深度解析

涉及实体

相关事实

已验证传统RAG依赖分块检索，将文档切分成片段后通过向量相似度匹配返回最相关段落，无法捕捉实体之间的逻辑关系和因果链条79% 相似待验证在RAG系统中检索结果按相关性分数排序拼接，最相关chunk不一定排在最显眼位置，可能因位置不当被模型忽视76% 相似待验证在检索增强生成（RAG）系统中，答案与上下文的联系通常通过向量相似度或引用片段来衡量76% 相似已验证传统RAG依赖余弦相似度或点积运算匹配文本嵌入向量，对多跳问题处理能力有限，易导致大模型生成幻觉内容76% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/829740

API

curl https://kongchang.com/api/v1/knowledge/claims/829740

MCP

get_claim(id=829740)