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 技术」找到 256 条内容
按专题浏览 →匹配口述回答：…有个权衡：什么时候用稠密向量，什么时候用稀疏向量？比如订单号检索，稀疏向量或者关键词匹配更准；而意图理解，稠密向量更好。真正稳定的RAG系统，往往是稠密加稀疏再加[[重排]]，但重排会增加延迟，所以需要根据业务场景做取舍。 所以整体上，我会把Embedding模型选型看成是工程和效果的平衡，没有银弹。我更倾向先用小规模数据做离线评测，选一个基线，然后根据线上bad case迭代。 本质问技术选型与工程落地的平衡 Embedding选型策略：任务驱动，混合使用 向量化入库流程：…
匹配正文：…分块 用embedding相似度检测主题边界 内容混杂、主题跳跃的长文档 结构感知 按Markdown/HTML标签、目录层级切 技术文档、法律条文（条款级） Agentic分块 LLM判断边界，生成摘要标题 高精度要求、预算充足 专业领域特殊处理 法律条文 以"第X条""第X章"为硬边界，绝不截断条款 保留上下文：每条附带所属章节标题 医学文献 按IMRAD结构（引言/方法/结果/讨论）切分 表格单独处理：表头+关键行作为独立chunk 重叠窗口（Overlap） 把零重叠…
…用户问“青霉素的用量”，结果模型老答不对。你觉得问题可能出在数据清洗上？你会怎么处理这些文档才能让检索和生成靠谱一些？ 层层追问 RAG里检索质量很关键，你一般怎么清洗文档？……如果文档里有大量专业术语，比如“PM”可能是项目管理也可能颗粒物，你怎么处理？……再比如技术手册，你是一个section一个section切，还是怎么切？怎么保证语义完整？ 直球架构 对于专业领域RAG，原始文档清洗和预处理需要哪些步骤？请从通用清洗、领域特化、分块策略和元数据增强几个层面说说你的设计…
学习内容与项目面试，在同一条路上。