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 工作流程」找到 30 条内容
按专题浏览 →匹配正文：…（Execution） 原子动作执行器，支持同步/异步模式 执行结果结构化解析（成功/失败/需澄清） 异常触发回溯或人工介入 二、工作流程闭环 用户输入 → 意图理解 → 任务分解 → 工具选择 → 执行 → 观察 → 判断完成？ ↑___________________________________________________________↓ （反馈循环） 关键决策点： 每步执行后，LLM评估是否达成子目标 未达成则分析原因（工具问题？理解偏差？），选择重试或重规划…
匹配正文：… 扩展模型边界 Memory 对话历史管理 Buffer、Summary、Vector三种策略 Retriever 文档检索接口 RAG知识库问答 Agent工作流程（以ReAct为例） 用户输入 → 思考(Thought) → 行动(Action:调用工具) → 观察(Observation) → ... → 最终答案 循环直到Agent判断任务完成，核心是推理与行动的交错执行。 优缺点 优势：上手快、生态丰富、快速验证想法劣势：过度封装导致调试困难、性能开销大、生产环境稳…
匹配正文：…全局性问题 举例说明GraphRAG的优势场景：如"总结整个数据集的主题"这类需要聚合推理的问题 GraphRAG 核心思想 传统RAG把文档切成文本块做向量检索，本质是**"找相似片段"；GraphRAG则是先构建知识图谱**，把非结构化文本转化为结构化的"实体-关系-实体"网络，实现基于图结构的推理检索。 工作流程（微软开源方案） 阶段 关键操作 1. 索引构建 用LLM从文本中抽取实体（人/组织/概念）和关系，生成图结构 2. 社区检测 用Leiden等算法对图做聚类，…
学习内容与项目面试，在同一条路上。