待验证50% 置信解决方案精确时间

在 RAG 系统中为不同来源文档设置差异化权重可通过检索阶段调整分数权重（Reranking）和生成阶段通过 System Prompt 明确冲突优先级两种方式实现，可叠加使用

1

来源数

50%

置信度

长期有效

时效性

2026/10/6

首次发现

来源

OpenWiki 该不该收录 PRD 等叙事文档？取舍分析

涉及实体

RAGconcept Rerankingtechnology

相关事实

待验证RAG通过检索+生成两阶段架构，先将问题转化为向量表示在向量数据库（如Faiss、Milvus、Chroma）中进行语义检索，弥补大模型知识固化和无法感知私有信息的缺陷79% 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78% 相似待验证RAG系统的核心工程链路包括文档切分策略、Embedding模型选型与向量数据库部署、混合检索（语义检索+BM25关键词检索）以及Reranker重排序77% 相似待验证主流 RAG 系统通常采用混合检索策略，将关键词检索与向量检索结合并通过重排序模型二次过滤77% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/980055

API

curl https://kongchang.com/api/v1/knowledge/claims/980055

MCP

get_claim(id=980055)