Unverified50% confidenceFactExact time
RAG的关键组件包括Embedding模型（如OpenAI的text-embedding-3系列或开源的BGE模型）、向量数据库（Pinecone、Weaviate、Chroma、pgvector等）和检索策略
1
Sources
50%
Confidence
Medium-term (~90 days)
Relevance
7/14/2026
First Seen
Valid until: 10/12/2026
Sources
Related Claims
UnverifiedRAG离线构建阶段通过Embedding模型（如OpenAI的text-embedding-ada-002或开源的BGE、M3E）将文本块转化为向量并存入向量数据库（如Faiss、Chroma、Milvus、Weaviate）83% similarVerifiedRAG技术栈由向量数据库（如Pinecone、Weaviate、Chroma）、嵌入模型、重排序等技术构成78% similarUnverifiedRAG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% 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76% similarUnverifiedRAG常用的embedding模型包括Sentence-BERT、BGE（智源研究院推出的中文向量模型）、M3E等76% similar
Cite This Claim
Stable URI
https://kongchang.com/claim/507757API
curl https://kongchang.com/api/v1/knowledge/claims/507757MCP
get_claim(id=507757)