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 Re-ranking」找到 310 条内容
按专题浏览 →匹配口述回答：…用户问一个企业SOP里的合规条款，模型会先触发预检索，把相关文档拉进工作记忆，再开始推理。反过来，Agent的执行日志也会回流优化RAG的索引策略，比如哪个文档被频繁引用但总是答不对，说明索引质量有问题，我会调整 [[Chunk]] 策略或者加 [[重排]]。 这里我其实有个困惑还没完全想透，就是当工具调用链特别长的时候，中间任意一步失败，重规划的成本很高。我目前的做法是给每个子任务设一个最大重试次数，超了就整条链路回滚，但感觉有点粗暴。有没有更好的做法，比如只回滚到失败的前…
匹配正文：…Memory） 用户画像：偏好、习惯、人口属性（结构化存储） 事件记忆：重要交互片段（向量化存储） 知识记忆：用户专属知识（可结合RAG） 存储与检索设计 存储层 类型 存储方式 示例 用户画像 关系型/文档数据库 JSON格式，支持原子更新 事件记忆 向量数据库 + 元数据 摘要向量 + 时间戳 + 主题标签 原始对话 对象存储 压缩归档，用于总结生成 检索策略 多路召回：向量相似度 + 时间衰减 + 主题标签过滤 重排序：用轻量模型对候选记忆打分，取Top-K 动态窗口：…
匹配正文：…要性分"，低分记忆优先淘汰 访问频率衰减 冷数据下沉 LRU/LFU策略，长期未访问的记忆迁移到慢存储或摘要压缩 工程落地要点 与RAG结合：向量库中存全量记忆，衰减机制作用于检索前的候选过滤或重排序阶段 参数权衡：衰减系数 \lambda 需按业务调优，客服场景可激进（天级），个人助理需保守（月级） 参考方案：MemGPT的"分层记忆"（上下文→工作记忆→外部存储）+ 显式的forget操作 一句话总结 记忆衰退不是无脑删除，而是让Agent学会"什么该记住、什么该放下"，…
学习内容与项目面试，在同一条路上。