待验证50% 置信事实精确时间
RAG流水线通常包含文档分块、Embedding向量化、写入向量数据库、相似度检索、Top-K召回注入Prompt、LLM生成答案等环节
1
来源数
50%
置信度
长期有效
时效性
2026/9/28
首次发现
来源
涉及实体
相关事实
待验证RAG系统采用「索引-检索-生成」三阶段流水线，通过嵌入模型将文档块转化为高维向量存入向量数据库，再通过余弦相似度或近似最近邻算法检索80% 相似已验证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77% 相似待验证Dify 知识库模块基于 RAG 技术构建，文档被切分为 Chunk 并通过 Embedding 模型转化为向量存入向量数据库，检索时使用余弦相似度等算法进行语义匹配77% 相似待验证A typical RAG pipeline includes document chunking, vector embedding, vector database storage and retrieval, and final answer generation.76% 相似已验证RAG通过将文档切分为语义块后经嵌入模型转化为高维向量存入向量数据库，查询时通过近似最近邻（ANN）搜索找到语义最相近的文档片段76% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/956721API
curl https://kongchang.com/api/v1/knowledge/claims/956721MCP
get_claim(id=956721)