搜索大模型内容

只会 Java,怎么快速上手 Python 和大模型工程栈

匹配正文：…;faiss 快、chroma 简单、pgvector 复用 Postgres 笔记与实验 Jupyter 边写边看中间结果,调 prompt、看 embedding 时很顺手环境与包 uv / pip / venv uv 一个工具管虚拟环境 + 装包,速度最快可选编排 LangChain / LlamaIndex 现成的 RAG/Agent 抽象,但别过度依赖 (见下) 关于编排框架多说一句:LangChain、LlamaIndex 能省样板代码,但它们把控制流藏进了一…

系统教程·AI 编程

MCP 入门:把工具标准化暴露给 Agent

匹配正文：…据库、发请求、跑脚本)——最常用。 Resources(资源):能读取的数据(文件、记录)。 Prompts(提示模板):可复用的提示词模板。亲手暴露一个工具本例使用官方 Python SDK 1.x 的 FastMCP 接口和 Python 3.10+。在第 2 篇的虚拟环境里运行 python -m pip install "mcp>=1,<2"，将代码保存为 weather_server.py；不要把文件命名为 mcp.py。工具返回演示假数据。 # 已安装官方SD…

#Agent#AI 编程

#Deep Research#研究工具与稳定性#Deep Research 工具路由

Deep Research 有 Search、Visit、Scholar 和 Python，Agent 怎样选对工具？

匹配正文：…权限和幂等键。当前四类研究工具大多是只读，但架构不能默认所有工具都安全。这些条件适合写入工具策略，由程序在执行前校验。不要只在 Prompt 里说“请正确使用工具”，然后相信模型每次都记得。工具路由应该读懂当前研究状态同一句“查一下性能”，在不同阶段需要不同工具。研究刚开始，系统不知道有哪些公开资料，应该先 Search。已经得到官方基准页面，下一步应 Visit 并核对测试条件。需要比较两组结果，但单位不同，可以把已核验数据交给 Python 统一计算。发现一…

#Agent#工具调用与安全#Agent Tool Registry

Agent 工具怎么设计和注册？Tool Schema、Registry 与执行器如何解耦

匹配正文：…解决“真正调用时怎样统一校验、限流、日志和容错”。把三层拆开，新增工具才不需要修改 Agent 主循环，敏感工具也不会因为出现在 Prompt 里就被任何用户调用。先给出 30 秒回答我会把 Agent 工具拆成三部分：给模型看的 Tool Schema、给程序用的 Tool Registry、真正执行的后端适配器。Schema 包含稳定名称、明确描述、参数约束和返回语义，帮助模型选工具和填参数；Registry 把工具名映射到执行器，并保存版本、权限等级、是否有副作用、…

项目实战·RAG

第 9 章:上下文问答与引用溯源

匹配正文：…段零依赖代码,看到"有依据就带出处答、没依据就拒答" ✓ 看懂上下文问答:LLM 是基于检索到的资料作答,而不是凭记忆 ✓ 学会 Prompt 怎么拼(仅依据资料 / 编号 / few-shot / 长度语气) ✓ 理解回答控制:拒答、防越权、多段融合 ✓ 掌握引用溯源两条路线(Prompt 内生成 vs 后处理归因)及取舍 ✓ 理解幻觉检测:答案每句话能不能在原文里找到支撑本章按三段式组织,不同基础的读者各取所需: 段落给谁看内容占比 🚀 Part 1 · 主线实…

#RAG#检索#项目实战

后端工程师转大模型应用开发:已有经验怎么迁移

匹配正文：…新向量数据库选型与调优存储选型、索引优化(HNSW/IVF 换个名字的 B+ 树直觉) 缓存设计向量检索结果缓存、语义缓存、Prompt 命中复用推理延迟与成本优化性能调优、连接池、批量化、异步降级可观测性 / 线上质量监控评估指标埋点、离线评测集、线上 badcase 采样与回归 Agent 工作流编排状态机、任务调度、重试与幂等、DAG 编排工具 / 函数调用集成接口设计、RPC、参数校验、错误处理这张表的用法不是让你自我安慰,而是面试和简历时的翻译…

面试题·RAG

Chunk 为什么要带标题、页码和前后片段 ID？

匹配正文：…谁来强制执行？用户身份和当前租户成员关系由可信服务端验证，文档 ACL 从可信权限数据读取；用户自报的 tenant_id 或 Prompt 中的范围要求都不是授权证明。对受保护资料，应用与存储访问层必须逐请求强制检查候选资格，覆盖检索、相邻块扩展和原文访问，默认拒绝无权内容进入模型。检索前过滤、后过滤只是执行策略，不能替代这一授权边界。读取受保护缓存前也要授权，缓存按影响结果的租户、用户或角色及权限版本隔离；权限变更应让旧授权结果与相关缓存失效并重新判断。审计保留身份、…

#RAG#切分与索引#RAG Metadata

#Agent#工具调用与安全#Agent 大工具集路由

Agent 有几十上百个工具时怎么选？大工具集路由怎样设计和验收

匹配正文：…实日志不一定保存完整自然语言与参数，应按隐私要求存摘要。关键是保留过滤、召回和选择三个阶段的证据。否则工具选错时，只能重新读最终 Prompt 猜原因。工具描述怎样为路由服务小工具集里，描述主要给模型看；大工具集里，描述还承担检索文档的作用，因此需要更清楚的结构。每个工具至少写五类信息：能力，即它能完成什么；限制，即它不能完成什么；输入，即调用前必须已有的信息；输出，即能返回何种事实；差异，即与最相近工具怎么区分。以 Search 和 Visit 为例。 search…

项目实战·RAG

第 10 章:系统评估与上线优化

匹配正文：…到",问题在切分/检索,生成再强也白搭(第 5 章那条铁律:召回率是天花板);如果检索 Recall 很高、但生成还差,问题就在 prompt 或模型,该去优化第 9 章那套。不分段,你连往哪使劲都不知道。 2.4 别全从零造:可复用基准与自动评估可复用的基准与自动评估框架公开基准:HotpotQA(多跳问答,带"支持事实"标注,测跨文档检索 + 推理)、TriviaQA / NQ(开放域问答)等,适合横向比能力。自动评估框架:RAGAS 这类工具,让 LLM 自动给答…

#RAG#检索#项目实战

大模型技术栈全景:RAG / Agent / 微调 / 推理 / 评估各是什么、面试考多少、怎么学

匹配正文：大模型应用开发不是学"一个东西",而是一张地图:RAG、Agent、Prompt 与上下文、评估与监控、重排与检索、模型微调、推理部署几个方向,各自解决不同问题、考察热度也差很多。转行者最该避免的坑是"全都学一遍",正确做法是按面试频率和自己的背景挑一条主线做深。这一页就是全站技术地图的枢纽,帮你先看清全貌再决定学哪条。作者:吴师兄 | 适合:刚决定转大模型、面对一堆名词不知从哪下手的人 | 前置:知道应用岗和算法岗的区别,看过路线图大模型技术栈到底有哪些方向一句话结论…

#Agent#工具调用与安全#Agent 工具成功判断

Agent 工具返回成功就算完成了吗？调用、执行、业务成功要分三层判断

匹配正文：…来源是否存在；代码认为字段齐全，模型还可以指出内容与用户问题无关。每一层只做擅长的判断，并把理由留在 Trace 中。这也能减少提示词依赖。若所有成功规则都写在系统 Prompt 里，模型版本或上下文变化会让判定漂移。确定性规则进入代码和契约，Prompt 只保留语义标准和表达要求。不同失败状态对应不同处理同样叫失败，格式、执行、业务和最终整合需要完全不同的修复。怎样设计三层指标调用层可以观察工具调用决策、工具名解析、参数结构与调用结果关联。执行层可以观察工具可用、…

#Deep Research#研究工具与稳定性#Deep Research 缓存新鲜度

缓存能省调用，为什么 Deep Research 反而可能拿旧资料回答“最新”？

匹配正文：…限变化后旧对象不应继续访问，用户删除数据后相关缓存必须同步清理。内容版本失效可以用指纹或来源版本检测。处理版本失效需要把工具、Prompt、抽取 Schema 和代码版本写入键或元数据。权限失效要由鉴权层驱动，不能等待自然过期。任务失效出现在用户改变范围、对象或时间要求时。旧证据可能仍保留作历史记录，却不再支持当前结论。缓存系统需要提供按来源、用户、版本和任务关联的失效入口。只支持“清空全部缓存”，上线后既难操作，也会造成大面积回源。权限隔离为什么比命中率更重要？…

#Deep Research#数据构造与训练#Deep Research 种子数据

Deep Research 训练的种子问题从哪里来，怎样避免一开始就把数据做偏？

匹配正文：…评测可信。 provenance 应该记录什么？每条种子需要稳定 ID、来源类型、原始记录或文档的受控引用、创建时间、生成方式、Prompt 或规则版本、审核人或审核流程、许可与隐私状态。模型扩写还要指向母题和变换类型。日志种子要记录脱敏与会话补全方式，但不能在训练数据中保留原始敏感内容。专家题记录业务动机和预期证据，而不是只写“人工编写”。质量状态应区分候选、自动通过、人工通过、退回、删除和过期。题目修改后生成新版本，旧审核不能自动继承。这些字段让团队能回答某一…

#Agent#工具调用与安全#Agent 写操作幂等

Agent 调用写操作怎么防误执行？副作用分级、幂等、确认和审计怎样做

匹配正文：…层判断这个动作当前是否允许，用户或审批人确认高风险意图，执行层使用幂等和状态机保证同一动作不会重复提交，审计层记录最终执行了什么。Prompt 只能提醒模型，真正边界必须在程序侧强制。先给出 30 秒回答我会先按只读、可逆写、不可逆或高风险写对工具分级。模型返回写操作后，后端重新做身份、对象权限、参数和当前业务状态校验；可逆写操作使用 Dry-run 展示影响，再绑定参数摘要让用户确认；高风险动作进入固定 Workflow 或人工审批。真正执行时为一次业务意图生成稳定幂等…

做一个 Agent 项目怎么做:从最小 Agent 到 Deep Research

匹配正文：…收到商汤、联想等 AI 相关机会反馈原方向可以保留,但要用 Agent 项目证明应用落地能力 211 本硕,项目零散只有浅层 Prompt 调优,简历项目不成体系围绕 Coding Agent 做闭环:任务拆解、代码生成、执行、错误修复和评估获得两份阿里系 AI 相关机会 Agent 简历要突出闭环和可验证结果,不要堆框架名如果你的 Agent 项目只能回答"调用了哪些工具",还不够。继续往下补:失败了怎么办、什么时候停止、怎么记录 trace、怎么评估任务完成质量…

面试题·RAG

Rerank 为什么更准，却不能对整个知识库运行？

匹配正文：… Top-K 也不能只按模型上下文长度设置。保留太少，可能丢掉多段互补证据；保留太多，相邻重复、冲突版本和弱相关内容会一起进入 Prompt。最终要结合问题需要几段证据、Chunk 长度、冗余和生成预算决定。不同 Query 也未必需要相同候选量。精确编号、明确标题已经由关键词路线高置信命中时，可以减少复杂处理。表达模糊、需要多段证据或候选高度相似时，才可能需要更宽的候选和精排。这是一种按问题风险分配计算的思路，不是给每次请求固定堆满组件。 Rerank 模型应该怎么…

#RAG#检索与重排#RAG Rerank

#Deep Research#数据构造与训练#Deep Research 复杂问答

简单问答怎样升级成真正需要多步研究的问题，又不把题目编坏？

匹配正文：…求解器要尽量分开？同一个模型先生成问题，再看到自己预设答案做审核，容易维持原有假设。它可能认为某条关系成立，只因为那正是生成 Prompt 要求它构造的关系。可以让生成器只输出问题结构与候选证据，求解器在不读取预设答案的情况下重新研究，再由规则或审核器比较。模型可以不同，也可以使用同一模型的隔离上下文，但不能让求解阶段直接拿到生成理由和目标答案。关键题还需要人工核对原始证据。模型间一致仍可能来自共同知识偏差或相同搜索排序。审核记录要保留生成版本、求解轨迹、证据和分…

#Agent#工具调用与安全#MCP 和 Function Calling 区别

MCP 和 Function Calling 有什么区别？Agent 工具接入时两者怎样配合

匹配正文：…t 还要控制资源内容进入上下文的大小和可信度。MCP 能把资源传回来，不代表内容可以被当作系统指令，也不代表完整文件应该原样进入 Prompt。 Prompts 同样是可复用模板，不是不可被覆盖的安全策略。真正权限和执行边界仍在 Host 与 Server。 MCP Server 提供工具后，模型会自动用好吗不会。模型是否选对仍受工具名称、描述、候选数量、当前上下文和任务拆解影响。Server 只提供能力，Host 要决定暴露子集，必要时做工具路由。参数仍可能格式正确但业…

大模型简历怎么写:项目怎么描述、怎么量化、怎么防追问

匹配正文：…开的、谁都能抄的,项目里的技术决策和数字是抄不走的,那才是你的证据。很多人把简历项目栏写成技能清单:"熟悉 RAG、Agent、Prompt 工程、向量数据库、LangChain"。这行字的问题不在于哪个词写错,而在于它没有任何一个可被追问的抓手——面试官无法从中判断你是搭过一个能跑的系统,还是看了两篇文章记住了这些词。真正立得住的写法,是把项目拆成下面三个维度,每一维都写到能被追着问下去的粒度。三维项目表达法:每个项目从三个维度写透(本篇核心) 一个大模型项目要"立得住…

面试题·RAG

Query 重写、扩写和 HyDE，应该在哪些查询上启用？

匹配正文：… Query 优化变成不可控的调用链。缓存也要按处理版本隔离。原 Query 相同，但历史不同，重写结果可能完全不同；同义词表、提示词或模型升级后，产物也会变化。缓存键至少要包含会影响结果的会话上下文摘要和处理版本，不能只用用户输入文本，否则上一段对话的实体可能被复用到另一段会话。什么时候应该直接向用户澄清？ Query 优化的目标不是让系统无论如何都搜出内容。有些问题缺少的信息无法从对话历史安全补全。例如用户说“这个能不能退”，上一轮同时出现了两个对象；或者用户只问…

#RAG#检索与重排#RAG Query 重写