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。
「Chunk 元数据」找到 44 条内容
按专题浏览 →匹配标题与标签：Chunk 为什么要带标题、页码和前后片段 ID？ 解释 metadata 如何同时服务于硬过滤、排序增强、上下文扩展与答案引用，并给出不依赖具体向量库的字段设计思路。 RAG RAG 切分与索引 RAG Metadata Chunk 元数据 RAG 来源追溯 RAG 过滤 RAG 面试
匹配正文：面试官真正想听的是参数背后的验证方法 很多回答一上来就是：“我们设置 chunk_size=1024，overlap=100。” 面试官接着问“为什么”，回答就变成“网上大多这样配”或者“框架默认值就是这个”。这说明只会填写配置，没有建立评测闭环。 参数选择真正要回答四个问题： 一个问题的完整证据通常有多长？ 文档里哪些内容最怕被拆开？ 召回结果重复后，会占掉多少候选位和模型上下文？ 参数改变后，怎样证明收益来自切分，而不是其他模块同时变化？ 从工程链路看，RAG 可以拆为离…
匹配正文：一、文本块向量化流程 核心步骤 Chunk策略：先按语义段落和结构边界切分，再把多组固定长度与重叠窗口作为候选；由模型输入限制、文档结构和同一评测集上的证据完整率、召回与成本决定 嵌入模型编码：将文本映射为稠密向量（通常768或1024维） 索引构建：选择ANN算法（HNSW、IVF-PQ等）建立可高效检索的数据结构 二、常用嵌入模型对比 模型 特点 适用场景 OpenAI text-embedding-3 语义质量高，API易用，按token计费 快速验证、中小规模、预算充…
学习内容与项目面试，在同一条路上。