Unverified90% confidenceFactTime unknown
RAG论文的核心洞察是参数化知识（存储在模型权重中）与非参数化知识（存储在外部检索库中）可以有机结合
1
Sources
90%
Confidence
Long-term
Relevance
6/1/2026
First Seen
Sources
RAGFlow本地部署教程：Docker搭建企业级RAG知识库全流程
bilibili吴恩达LLM
Related Entities
Related Claims
UnverifiedRAG（检索增强生成）由Lewis等人于2020年提出，核心思想是将参数化知识与非参数化知识解耦，推理时动态召回相关文档拼接进提示词76% similarUnverified在 Dify 中推荐使用通义千问的 Embedding 模型用于知识库检索等 RAG 功能69% similarUnverified传统大模型依赖参数化知识（将文本编码进模型权重参数），而RAG引入非参数化知识（将外部文档库作为可实时检索的动态知识源）69% similarUnverifiedRAG检索增强生成由Lewis等人于2020年在Facebook AI Research提出，核心在于将参数化知识与非参数化知识解耦，使知识更新无需重新训练模型69% similarVerifiedRAG通过强制模型从可信文档中提取答案，有效缓解大语言模型的知识截止与幻觉两大问题68% similar
Cite This Claim
Stable URI
https://kongchang.com/claim/18819API
curl https://kongchang.com/api/v1/knowledge/claims/18819MCP
get_claim(id=18819)