已验证65% 置信事实精确时间

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

3

来源数

65%

置信度

长期有效

时效性

2026/8/31

首次发现

来源

GraphRAG开源蓝图：跨文档知识问答的工程化参考架构

涉及实体

相关事实

已验证传统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78% 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% 相似待验证标准向量RAG只能找到与查询语义相似的孤立片段，无法理解片段之间的关系75% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/830683

API

curl https://kongchang.com/api/v1/knowledge/claims/830683

MCP

get_claim(id=830683)