Unverified50% confidenceFactExact time
传统RAG通常采用向量相似度检索，但对结构化关系的捕捉能力有限
1
Sources
50%
Confidence
Long-term
Relevance
8/31/2026
First Seen
Sources
Related Entities
Related Claims
Unverified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79% similarUnverified在RAG系统中检索结果按相关性分数排序拼接，最相关chunk不一定排在最显眼位置，可能因位置不当被模型忽视76% 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76% similarUnverified标准RAG管道通常是单轮、单源的静态检索，缺乏迭代深化、跨源验证和批判性评估的能力70% similarUnverified在RAG系统中，仅依赖更换更强的向量模型来提升召回率是不够的，被视为只会调用API的浅层认知68% similar
Cite This Claim
Stable URI
https://kongchang.com/claim/829740API
curl https://kongchang.com/api/v1/knowledge/claims/829740MCP
get_claim(id=829740)