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 实现」找到 347 条内容
按专题浏览 →匹配口述回答：…on]]，让Agent自己检查结果对不对，错了重来。但反思不是白送的，它多一次LLM调用，延迟和成本都在涨，得看场景值不值得。 其实现在还有一个趋势，就是把Agent和 [[RAG]] 结合起来，叫[[Agentic RAG]]。Agent负责规划查询策略，RAG负责检索，比单纯用Agent调工具更灵活。但这里有个前提：检索的准确度要高，不然Agent拿到错误信息会越跑越偏。 所以我的整体判断是：没有银弹，只有场景匹配。ReAct灵活但慢，Plan-and-Execute快但…
匹配口述回答：…，用结构化数据存，比如偏好、习惯；事件记忆，用向量存重要交互片段，比如用户投诉过某个功能；知识记忆，用户专属的知识，可以结合 [[RAG]] 来搞。 具体存储上，用户画像我倾向用关系型或者文档数据库，支持原子更新。事件记忆必须用 [[Vector Database]]，同时带上元数据，比如时间戳、主题标签，不然纯向量检索容易跑偏。原始对话压缩归档，定期拿来生成摘要。 检索这块，我不会只用向量相似度。因为用户话题可能漂移，时间越久越不重要。所以我会做多路召回：向量相似度、时间衰…
匹配口述回答：…gent调用外部工具的方式，让不同框架的Agent能共享工具。如果这个协议成熟了，选型的重心可能会从"选哪个框架"变成"选哪个协议实现"。 所以回到面试官的问题，我的总结是：没有银弹。复杂[[RAG]]加轻量Agent，我会首选LlamaIndex；多步骤可控工作流，LangGraph更合适；微软生态就Semantic Kernel；快速验证用Dify。但真正落地时，我常常把LlamaIndex和LangGraph混用，让LlamaIndex管数据，LangGraph管流程编…
学习内容与项目面试，在同一条路上。