待验证50% 置信事实精确时间

Naive RAG 的工作流程是：将用户查询转换为向量，执行一次向量相似度搜索，取回最相关的片段，然后把上下文连同原始问题一起输入 LLM 生成答案

1

来源数

50%

置信度

长期有效

时效性

2026/10/5

首次发现

来源

Naive RAG vs 高级混合RAG：检索增强生成的两种范式

涉及实体

Naive RAGconcept LLMtechnology

相关事实

已验证RAG 通过检索阶段将用户问题转为向量并召回文档片段，生成阶段将召回内容注入提示词，从而降低模型幻觉问题74% 相似已验证RAG技术通过将问题转为向量检索最相近知识片段并拼入提示词，可大幅减少大模型幻觉74% 相似已验证RAG（检索增强生成）解决了模型知识过时和幻觉的问题，让Agent能基于私有知识库准确回答问题72% 相似待验证RAG系统的瓶颈往往不在检索本身，而在于如何通过提示词告诉模型如何利用检索到的内容72% 相似已验证RAG（检索增强生成）在调用LLM前从向量数据库检索相关文档片段注入提示词，当检索文档不匹配或包含错误信息时会产生'由检索驱动的幻觉'71% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/976912

API

curl https://kongchang.com/api/v1/knowledge/claims/976912

MCP

get_claim(id=976912)