页面加载中…
搜索中文正文和常见中英文技术词，按教程、项目、面试题筛选。
「RAG 提示工程」找到 239 条内容
按专题浏览 →匹配正文：…轮偏好对，同一问题不同轮次的回答对比 一致性约束损失 轮间一致性：相邻轮次回答的embedding余弦相似度约束 角色一致性：系统prompt嵌入与每轮输出的对比学习，防止"人格分裂" 事实一致性：与检索到的记忆做 entailment 验证，惩罚矛盾输出 三、数据构造方法 质量维度 轮次分布：5-10轮占40%，20轮以上占20%，覆盖不同深度 一致性标注：人工标注"是否同一说话人风格""是否前后矛盾" 负样本构造：故意改写第N轮回答使其与第1轮冲突，训练判别能力 合成数据…
匹配正文：核心原因：为何用向量数据库 Agent记忆 vs RAG知识库的关键差异： 动态演进：记忆随交互持续更新，非静态文档 时序敏感：需要"最近发生"和"历史相关"的双重检索 多模态关联：可能融合对话、工具调用结果、环境状态 向量数据库的稠密检索天然适合"语义相关但表述不同"的记忆匹配，且支持增量写入。 Embedding模型设计 场景 策略 说明 通用对话 直接用BGE/M3E等开源模型 成本低，基线可用 垂直领域（如高德地图） 领域微调 用历史对话数据做对比学习，强化地点、路线…
匹配正文：…行为问题，例如分类边界、固定输出风格或持续的指令遵循失败。若缺的是当天政策、库存、告警或可引用事实，应通过受权限控制的数据查询或 RAG 提供上下文；微调不能替代实时事实源。 两个常见误区 Few-shot 不等于复制示例。 In-context learning 是模型根据当前上下文调整预测，效果会受模型、任务、示例内容与顺序影响；研究中也存在 zero-shot 优于某些 few-shot 排列的情况。 示例放在请求里不等于满足合规。 数据是否留存、用于训练、落日志或跨境…
按学习路线查看教程、项目和面试题。