#RAG

共 8 篇文章

把前四篇串起来：一个能读你文档、能调接口、还能接着上一句聊的问答 Agent。覆盖文档检索工具化、多轮记忆、以及一条最小可跑的完整代码，并点出上线前要补的工程化细节。

2026-09-16 11:43:435 阅读

RAG 让模型回答它没背过的内容：加载文档、切成块、向量化存进库、按问题检索、把相关块塞回提示词再生成。这篇把这条链路每一环讲透，并跑通一个基于 Chroma 的最小问答。

2026-09-16 11:43:233 阅读

直接调模型 SDK 写聊天容易，接检索、工具、多轮记忆就乱了。LangChain 把模型外围的脏活标准化成几层抽象：Model I/O、Retrieval、Memory、Chains、Agents。这篇先把全景和每个模块的边界讲清楚。

2026-09-16 11:43:025 阅读

一张思维导图带你梳理六大类约 15 个 LLM 调用参数：采样随机性、长度终止、重复惩罚、格式结构、工具调用、请求级。附防幻觉真相与 Python 示例。

2026-09-01 21:32:0629 阅读

我给博客 AI 助手建了一套 20 题金标准评测集。第一次跑分 12/20——每一个丢分的题目背后，都藏着一个真实缺陷：知识盲区、未查先拒、门控误伤、中文匹配漏配。这是一份带完整解题过程的错题本。

2026-08-26 11:02:0421 阅读

AI 助手能答对文章里的技术题，却不认识博主自己的象棋项目。从这次失败出发，补齐多轮记忆、反馈闭环、失败可恢复与可见化交互——记录一个 RAG Demo 跨过"最后一公里"的四段工程。

2026-08-26 07:24:2215 阅读

博客 AI 助手的第二次进化：把固定检索流水线升级为 ReAct 工具编排循环。五个只读工具的提示词工程、伪流式与 tool_calls 的工程取舍、防死循环保险丝，以及为什么用 200 行 Go 手写而不上 LangChain。

2026-08-25 20:30:2321 阅读

在 1.7G 内存的服务器上落地博客 AI 问答助手：为什么不用向量数据库、为什么 Go 写 RAG 完全可行、SSE 被 BFF 攒成一坨的伪流式排查；以及上线首日的检索进化——混合召回、时间纠偏、阈值截断与拒答联动。

2026-08-25 13:19:4614 阅读