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。
「动态 Prompt 生成」找到 160 条内容
按专题浏览 →匹配正文：… 向量检索：Top-K近似最近邻搜索，召回候选文档 重排序（Rerank）：Cross-Encoder精排，过滤低相关结果 3. 生成阶段 上下文组装：按相关性排序，拼接检索文档为上下文 Prompt设计：明确区分"已知信息"和"用户问题"，约束模型基于检索内容回答 生成控制：设置temperature、限制max_tokens，必要时加引用标注 检索器与生成器的协同机制 协同点 具体做法 信息注入 检索结果直接拼入Prompt的system/user消息中 动态截断 按to…
匹配正文：…二、上下文处理 窗口管理 检索结果去重：MMR算法或语义去重避免重复段落 相关性过滤：设阈值剔除低分chunk，宁可少也不要噪声 动态窗口：根据问题复杂度调整检索数量（简单问题3-5条，复杂问题10条+） 结构化组织 【来源1】xxx.txt 内容：... 【来源2】yyy.pdf 内容：... 显式标注来源，方便生成阶段引用和溯源 三、生成效果 Prompt设计 明确指令："仅基于以下材料回答，不知道就说不知道" 加入CoT引导："先分析材料，再给出结论" 幻觉抑制 要求模…
匹配正文：… 相似度计算：余弦相似度/IP距离，Top-K召回 重排序（Rerank）：用Cross-Encoder精排，过滤低质片段 3. 生成阶段 上下文组装：检索结果 + 用户Query → 构造Prompt 大模型生成：基于检索上下文回答，可引用来源 典型应用场景 场景 说明 企业知识问答 内部文档、规章制度，解决大模型不知道私域知识的问题 客服系统 基于产品手册实时检索，避免幻觉，答案可溯源 研报/法律分析 长文档摘要+精准定位原文，处理超出上下文长度的材料 核心优势 vs 局…
学习内容与项目面试，在同一条路上。