Unverified50% confidenceTradeoffExact time
相比RAG提交prompt有硬上限，图谱工具调用允许模型按需调用任意次数以挖掘所需信息
1
Sources
50%
Confidence
Long-term
Relevance
7/17/2026
First Seen
Sources
Related Claims
Unverified在RAG流程返回大量候选文档片段时，可先按相关性排序再截取前3-5项传入大模型以控制输入长度74% similarUnverified上下文窗口限制导致模型无法一次性处理几十万行代码，需通过RAG或语义搜索动态注入相关代码片段73% similarUnverified传统RAG依赖余弦相似度或点积运算匹配文本嵌入向量，对多跳问题处理能力有限，易导致大模型生成幻觉内容70% similarUnverified在RAG场景中，分块大小、检索Top-K数量、相似度阈值、是否引入Rerank重排序模型等参数相互影响，没有通用最优解69% similarUnverified基于向量数据库的RAG（检索增强生成）方案更擅长处理文档型知识，但对高度结构化的工程事实检索精准度和实时性往往不够理想69% similar
Cite This Claim
Stable URI
https://kongchang.com/claim/541851API
curl https://kongchang.com/api/v1/knowledge/claims/541851MCP
get_claim(id=541851)