待验证50% 置信事实精确时间

该项目使用Neo4j构建知识图谱以提升RAG检索准确率

1

来源数

50%

置信度

长期有效

时效性

2026/9/15

首次发现

来源

从真实项目拆解AI智能体：基于LangGraph的学习助手架构实践

涉及实体

Neo4jtechnology RAGconcept

相关事实

待验证检索增强生成（RAG）技术让Agent每次推理前从向量库中检索最相关的历史信息片段注入上下文74% 相似待验证RAGFlow专精于RAG（检索增强生成）场景，在文档解析质量和检索精度上有针对性优化71% 相似待验证检索增强生成（RAG）架构将知识存储与语言生成解耦，从简单向量相似度检索演进到融合BM25与语义向量的混合检索、迭代式检索及图RAG71% 相似待验证工程界普遍采用RAG架构：将历史信息切分成语义块，通过嵌入模型转化为向量存入向量数据库（如Faiss、Pinecone、Weaviate），用户提问时计算余弦相似度检索最相关片段68% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/923676

API

curl https://kongchang.com/api/v1/knowledge/claims/923676

MCP

get_claim(id=923676)