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。
「知识图谱 RAG」找到 75 条内容
按专题浏览 →匹配正文:…g) 任务分解、子目标设定、反思调整 记忆(Memory) 短期上下文 + 长期知识库 工具(Tools) 外部API、代码执行、检索增强 行动(Action) 执行具体操作并观察反馈 主流实现范式 ReAct:推理与行动交错,适合需要逐步探索的任务 Plan-and-Execute:先规划再执行,适合明确可分解的任务 Multi-Agent:多角色协作,模拟团队工作流 未来发展看法 短期(1-2年):工程化与可靠性 从"能跑通"到"跑得稳":降低幻觉、提高工具调用成功率 成…
匹配正文:…"给什么" Context Engineering 的三层方法 检索层(Retrieval) 多路召回:向量检索 + 关键词 + 知识图谱 查询扩展:HyDE、子查询分解 重排序层(Reranking) 相关性打分:Cross-encoder精排 多样性控制:MMR算法避免冗余 压缩层(Compression) 上下文压缩:LLMLingua、选择性上下文 结构化组织:树状摘要、时间线梳理 协同关系 用户问题 → Context Engineering(造好"食材")→ Pr…
…精确匹配,[[BM25]]反而管用。还有图遍历召回,基于实体关系扩展,比如用户提到「上次那个客服帮我处理过」,Agent就得从[[知识图谱]]里找到相关实体。 排序这块,我会用特征融合打分:语义相似度、时间衰减、重要性分数、交互频率加权求和。时间衰减用指数函数,近期记忆权重更高。重要性建模靠LLM打标,比如用户明确说「记住了」或者「重要」的事件,重要性分数就给高。但这里有个坑:如果用户反馈稀疏,重要性分数会失效,这时候我会退一步,用交互频率做替代,比如用户反复查询的订单,隐式…
学习内容与项目面试,在同一条路上。