待验证50% 置信事实精确时间

单次检索的瓶颈根源于向量相似度搜索将用户查询压缩为单一高维向量，当问题包含多个语义方向时该向量成为多个语义的平均，导致子意图无法充分表达

1

来源数

50%

置信度

长期有效

时效性

2026/10/5

首次发现

来源

LangChain + Amazon Bedrock：Agentic检索如何破解多段式问题

涉及实体

向量相似度搜索concept

相关事实

待验证单纯依赖向量相似度检索召回往往不精准，需要结合关键词检索的混合检索方案78% 相似待验证多跳查询需要跨越多个信息节点、层层递进，向量检索因缺少关系维度而不擅长处理这类场景77% 相似待验证RAG存在答案分散问题，因为当前检索方式基于查询与单个片段的相关性打分，难以保证多个互补片段同时被检索到76% 相似待验证Naive RAG 的短板包括：单一向量检索容易忽略精确关键词匹配、无元数据过滤、缺少重排序导致相关性排序不够精细72% 相似待验证网络搜索的调用频率在不同平台和模型间差异巨大，且更频繁地触发搜索并不必然带来更高质量的回答72% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/977278

API

curl https://kongchang.com/api/v1/knowledge/claims/977278

MCP

get_claim(id=977278)