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。
「Embedding 模型」找到 516 条内容
按专题浏览 →匹配正文：…ON可靠性，通常采用 "提示引导 → 约束强制 → 后处理兜底" 的三层架构。 一、提示词工程层（软约束） 做法：在prompt中嵌入格式示例、Few-shot样本、角色设定 你是一个JSON生成器，必须严格按以下格式输出，不要添加任何解释： {"key": "value", "items": [...]} 优点：无需改模型、接入简单；示例仍消耗输入token，并有编写与维护成本 缺点：不可靠（模型仍可能输出markdown代码块、注释、换行异常） 适用：内部工具、快速原型、…
匹配正文：…：四层Prompt架构 1. 上下文预处理层 筛选：按相关性分数阈值过滤，保留Top-K（通常3-5篇） 排序：综合BM25分数、向量相似度、时效性加权排序 去重：语义去重（embedding聚类）+ 精确去重（URL/ID去重） 冲突标记：对矛盾信息打标签，提示模型"存在不同观点" 2. 上下文注入结构 [系统指令] 你是基于检索文档回答的助手，必须引用来源 [检索上下文] [文档1] 内容...【来源：URL1】 [文档2] 内容...【来源：URL2】 [用户查询] 原…
匹配正文：答案要点 query改写的常见策略（扩展、分解、澄清、假设文档嵌入） 提示词构建的核心要素（系统指令、上下文组织、引用标注、不确定性处理） 实际工程中的权衡取舍（延迟vs质量、成本vs覆盖） 一、Query改写策略 1. 查询扩展（Query Expansion） 同义词/近义词扩展：用LLM生成语义等价表述，提升召回率 HyDE（假设文档嵌入）：让模型先写"理想答案"，用答案去检索而非原始query 子查询生成：将复杂问题拆为多个子问题并行检索，适合多跳推理场景 2. 查询…
学习内容与项目面试，在同一条路上。