Unverified60% confidenceFactExact time
Modular RAG引入了查询重写、HyDE（假设性文档嵌入）等检索前处理策略以提升检索召回率
2
Sources
60%
Confidence
Long-term
Relevance
7/7/2026
First Seen
Sources
Spring AI 2.0实战：Java开发者构建Agent智能体入门指南
bilibiliAI大模型面试官7/6/2026
Related Claims
UnverifiedAdvanced RAG引入查询重写、混合检索、重排序（Reranker）等机制提升召回质量，Modular RAG将检索、生成、验证等模块解耦79% similarVerifiedRAG（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74% similarUnverifiedRAG系统采用「索引-检索-生成」三阶段流水线，通过嵌入模型将文档块转化为高维向量存入向量数据库，再通过余弦相似度或近似最近邻算法检索74% similarUnverifiedRAG系统召回率优化涉及数据摄入、查询处理、检索策略和重排序/过滤四个层次的全流程漏斗工程73% similarUnverified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73% similar
Cite This Claim
Stable URI
https://kongchang.com/claim/175139API
curl https://kongchang.com/api/v1/knowledge/claims/175139MCP
get_claim(id=175139)