Unverified60% confidenceFactTime unknown
Notebook LM基于检索增强生成（RAG）架构，将用户文档切分为文本块并向量化后存储在内部向量数据库中
2
Sources
60%
Confidence
Long-term
Relevance
5/31/2026
First Seen
Sources
Claude Code+NotebookLM：突破知识库限制构建智能应用
bilibili量子菠萝_
Related Entities
Related Claims
Verified传统RAG流程的离线阶段将文档切片并通过嵌入模型转化为向量存储在向量数据库中，在线阶段通过近似最近邻（ANN）算法检索相似文档片段73% similarUnverified解决大语言模型上下文窗口有限的主流方案包括向量数据库检索增强生成（RAG）、摘要压缩以及外部记忆存储71% similarUnverified知识库检索中，文档分段后每个文本块通过嵌入模型（如text-embedding-ada-002或BGE系列）转换为高维向量存储在向量数据库中71% similarUnverifiedDocument Context采用RAG（检索增强生成）范式，先用向量检索找到最相关片段，再连同用户问题送给LLM71% similarUnverifiedVibe-Research的研报解读功能在技术上对应RAG（检索增强生成）范式，将文档切片存入向量数据库后检索相关片段作为上下文71% similar
Cite This Claim
Stable URI
https://kongchang.com/claim/7677API
curl https://kongchang.com/api/v1/knowledge/claims/7677MCP
get_claim(id=7677)