待验证50% 置信事实精确时间

传统RAG通常将检索作为黑盒步骤：一次向量查询取Top-K结果直接放入上下文交给大模型，当检索质量不佳时模型会在薄弱或错误的上下文上生成内容，产生无预警的幻觉

1

来源数

50%

置信度

长期有效

时效性

2026/9/30

首次发现

来源

分阶段RAG架构实践：让检索失败变得显式可控

涉及实体

相关事实

待验证在RAG系统中检索结果按相关性分数排序拼接，最相关chunk不一定排在最显眼位置，可能因位置不当被模型忽视74% 相似待验证现成系统将RAG细节封装为黑盒，用户无法干预，当智能体给出错误答案时难以排查原因，是与自建RAG流程相比最显著的局限74% 相似已验证检索增强生成（RAG）是主流幻觉抑制技术，在模型生成回答前从外部知识库检索相关文档片段作为上下文注入提示词73% 相似待验证纯向量RAG在需要多跳推理或精确溯源的场景下容易产生检索到却说不清为什么的困境73% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/963395

API

curl https://kongchang.com/api/v1/knowledge/claims/963395

MCP

get_claim(id=963395)