待验证50% 置信事实精确时间

RAG 管道中文档通过嵌入模型转换为高维向量表示，通常为 768 至 3072 维

1

来源数

50%

置信度

长期有效

时效性

2026/8/31

首次发现

来源

garden-skills开源项目解析：AI技能库如何重塑开发者工作流

涉及实体

RAGconcept text-embedding-3-smallmodel BGEmodel

相关事实

待验证RAG嵌入模型将文本片段转化为高维稠密向量，通常为768至1536维68% 相似待验证DeepSeek V3支持最大128K Token的上下文长度，可处理约6-8万字的中文文档59% 相似待验证Llama 2开放了7B到70B参数规模的模型权重56% 相似待验证Embedding模型输出的高维向量通常为768至3072维，向量数据库通过HNSW等图算法可将亿级向量检索压缩至毫秒级响应54% 相似待验证中国国标GB/T 18801采用立方米每小时（m³/h）为单位，测试舱体积为30立方米，与AHAM标准在测试条件和计算方法上存在差异53% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/833144

API

curl https://kongchang.com/api/v1/knowledge/claims/833144

MCP

get_claim(id=833144)