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 数据流向」找到 3 条内容
按专题浏览 →匹配题目:请详细描述检索增强生成(RAG)的完整工作流程,包括各个组件的功能、数据流向以及关键技术环节。
匹配正文:答案要点 清晰描述RAG的两大核心阶段(检索+生成)及数据流向 说明索引构建的关键步骤(文档切分、向量化、存储) 列举至少2种检索策略(如混合检索、重排序)及适用场景 提及RAG的典型优化方向(查询改写、上下文压缩、多路召回) 能指出实现中的常见陷阱(如切分粒度、语义漂移) RAG核心架构:两阶段流水线 索引阶段(离线) 文档处理:按语义/固定长度切分chunk,控制256-512 tokens,保留上下文重叠 向量化:用Embedding模型(如BGE、M3E、OpenAI…
匹配正文:答案要点 能清晰拆解Agent的四大核心组件(规划、记忆、工具、行动) 理解各组件的交互关系和数据流向 能结合具体范式(如ReAct)说明工作原理 提到多Agent协作或反思机制等进阶设计 AI Agent的核心架构可拆解为四大组件,形成"感知-规划-执行-记忆"的闭环: 1. 规划模块(Planning) 功能:将复杂任务拆解为可执行的子步骤 原理:基于LLM的推理能力,常用ReAct(Reasoning + Acting)范式,交替进行"思考→行动→观察" 进阶:多步规划…
学习内容与项目面试,在同一条路上。