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流程」找到 352 条内容
按专题浏览 →匹配口述回答：…具四层。规划层负责任务分解，执行层调度子任务，记忆层管上下文，工具层封装外部能力。这样每层能独立优化，比如记忆层出问题不会拖垮整个流程。记忆这块我特别看重分层设计：短期记忆就是对话窗口管理，用[[滑动窗口]]或摘要压缩；长期记忆走[[向量数据库]]存历史经验，配合[[RAG]]检索；工作记忆是当前任务的临时状态，像栈一样推入弹出。这里有个坑：不要所有记忆都塞进向量库，短期和工作记忆放内存，长期才持久化，否则延迟受不了。 推理策略上，我一般用[[ReAct]]，因为Agent场…
匹配口述回答：…向量检索的 [[ANN]] 召回质量可能下降，这时候我会考虑用 [[ColBERT]] 这种细粒度交互模型，或者做 [[Self-RAG]] 让模型自己判断要不要检索，而不是每次都用同样的流程。 所以整体上，我会把检索选型看成一组可插拔的模块，没有银弹，核心是先做 Badcase 分析，看失败是语义匹配不够，还是精确命中缺失，再对症下药。 检索选型本质是语义匹配 vs 精确匹配的权衡 混合检索是标配，但融合策略和重排才是关键 查询改写解决短查询和模糊问题 落地风险：数据分布、…
匹配正文：…体的场景选择依据（数据规模、延迟要求、准确性要求、可解释性要求） 核心区别 维度 两阶段架构（召回+精排/生成） 端到端单次生成 流程 检索 → 筛选 → 生成 直接生成答案 可控性 高，可干预中间环节 低，黑盒过程 延迟 较高（多轮计算） 较低（单次推理） 成本 检索+生成双重开销 仅生成开销 准确性 依赖检索质量，上限可控 依赖模型能力，幻觉风险高 选择依据 选两阶段架构的场景： 知识库规模大（百万级以上文档），必须靠检索缩小范围 对事实准确性要求高（医疗、法律、金融），…
学习内容与项目面试，在同一条路上。