待验证50% 置信解决方案精确时间

Corrective RAG（CRAG）在检索后对结果质量打分，低质量时触发网络搜索兜底

1

来源数

50%

置信度

长期有效

时效性

2026/9/18

首次发现

来源

从零到实战：构建AI Agent的优质学习资源指南

涉及实体

Corrective RAGconcept

相关事实

待验证Keenable SELECT 每次查询直接触达公开互联网，绕过索引构建，时效性优于传统 RAG，但失去向量索引的语义召回和成本摊薄优势70% 相似已验证RAG的回答质量很大程度上取决于检索环节，而非模型能力本身69% 相似已验证RAG的检索质量高度依赖向量数据库构建质量与嵌入模型语义理解能力，检索到错误片段同样会引发错误生成69% 相似待验证RAG系统中检索结果通常按相关性分数排序后顺序拼接，最相关的chunk不一定排在最显眼位置69% 相似待验证标准 RAG 通常依赖预先建好的向量索引，只能检索已收录的内容，对实时网络信息无能为力68% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/931989

API

curl https://kongchang.com/api/v1/knowledge/claims/931989

MCP

get_claim(id=931989)