待验证50% 置信事实精确时间

该系统采用双重索引设计，文档被切分为600字符、100字符重叠的文本块，用 NOMIC embed text 生成向量嵌入并存入 ChromaDB

1

来源数

50%

置信度

中期 (~90 天)

时效性

2026/10/7

首次发现

有效期至：2027/1/5

来源

从零构建 GraphRAG AI Agent：完整实战指南

涉及实体

NOMIC embed textmodel ChromaDBproduct

相关事实

待验证常见的文档分片方式有四种：按字数划分、按段落划分、按章节划分、按页码划分64% 相似待验证现代LLM的分词器通常将文本压缩为约10万词汇量的Token序列61% 相似待验证上下文窗口决定模型单次能处理的文本量：8K约6000词，32K约24000词，128K可处理整本书内容61% 相似待验证langchain-text-splitters 负责将长文档切分成适合嵌入模型和大语言模型上下文窗口的文本块60% 相似待验证CLIP文本编码器的标准上下文窗口长度约为77个Token，超出部分的语义信息会被截断或降权处理60% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/983697

API

curl https://kongchang.com/api/v1/knowledge/claims/983697

MCP

get_claim(id=983697)