待验证50% 置信解决方案精确时间
RAG 的检索环节（embedding 加向量数据库查询）通常是 CPU 密集或轻量 GPU 任务，应与 LLM 生成分离部署
1
来源数
50%
置信度
长期有效
时效性
2026/9/12
首次发现
来源
涉及实体
相关事实
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76% 相似待验证RAG（检索增强生成）和向量数据库技术可以部分缓解LLM无持久记忆的问题，但会引入额外的工程复杂性74% 相似待验证向量数据库是 RAG（检索增强生成）技术的核心基础设施，底层核心算法是近似最近邻搜索（ANN）73% 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72% 相似已验证RAG（检索增强生成）通常包含三个核心组件：向量数据库、检索器（基于余弦相似度召回相关文档块）和生成器72% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/912011API
curl https://kongchang.com/api/v1/knowledge/claims/912011MCP
get_claim(id=912011)