Unverified50% confidenceFactExact time
规模化上下文时的最大瓶颈是历史工具输出，包括历次检索文本块、工具调用与结果对及文件搜索记录
1
Sources
50%
Confidence
Medium-term (~90 days)
Relevance
8/20/2026
First Seen
Valid until: 11/18/2026
Sources
Related Claims
VerifiedRAG通过将私有文档切分为文本块、转化为向量表示并存储在向量数据库中，检索相关内容注入Prompt来解决大模型知识截止日期的局限性69% similarUnverified在文件数量不过千的个人知识库场景下，结构化Markdown索引比向量数据库检索更稳定、可解释性更强69% similarUnverified父子块策略将文档同时索引为大块和小块，检索时用小块精准定位，生成时返回大块提供完整上下文68% similarUnverified在真实上下文工程场景中，上下文散布在多个来源：本地文件系统、数据库、Web、长期记忆等，每种上下文源需要对应的搜索工具67% similarVerifiedRAG（检索增强生成）的典型流程包括文档分块（Chunking）、向量嵌入（Embedding）、相似度检索（Similarity Search）和上下文注入（Context Injection）四个步骤66% similar
Cite This Claim
Stable URI
https://kongchang.com/claim/778900API
curl https://kongchang.com/api/v1/knowledge/claims/778900MCP
get_claim(id=778900)