待验证50% 置信事实精确时间

RAG（检索增强生成）先在一组文档中检索再把最相关段落交给模型回答，Gemini Notebook（原Notebook LM）使用这种方式给出带引用的答案

1

来源数

50%

置信度

长期有效

时效性

2026/10/5

首次发现

来源

读懂AI Agent的12个核心术语：从Harness到MCP

涉及实体

RAGconcept Gemini Notebookproduct Notebook LMproduct

相关事实

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72% 相似已验证RAG（检索增强生成）的核心思想是在大模型生成回答之前，先从外部知识库中检索相关文档片段作为上下文注入Prompt71% 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70% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/976171

API

curl https://kongchang.com/api/v1/knowledge/claims/976171

MCP

get_claim(id=976171)