退休工程师 4 个月 RAG 实验复盘:查询与动作分离是关键
HarinezumIgel · reddit · 2026-11-21
作者继续分享退休项目 RAG-LCC 的 4 个月进展与踩坑:
- 编排器(Orchestrator):引入可定义 RAG 流程的编排组件,用户可在会话中创建并切换流程。
- 置信度评分:加入静态与动态评估,后者用 LLM judge 评内部一致性与解释清晰度,但尚未用金标准答案验证,也不评事实正确性。
- TableChunker:为手册表格查询做专用分块器后,表格能稳定进入 chunk,但未必出现在答案里。经验:检索信号弱且候选池大而稀疏时,可把最佳匹配表格结果补进答案集,但不要塞进空结果集。
- 答案渲染:用 Rich 在 CLI 渲染 Markdown 会破坏 grounding,须保留原始未渲染答案用于接地标注,再叠加视觉渲染。
- 文档总结:查询里写"做总结"会导致检索失败,应把动作与查询拆分——新增 summarize: 选项,对钉住的文档按 chunk 分批总结再归并。
核心洞见:想对检索上下文执行的动作不应混入查询本身,查询与动作要分离。
「编程与Agent」频道最新
- MCP LINE Server 上线:AI 助手可直接发 LINE 消息与 Flex 卡片 — modelcontextprotocol · 2026-11-21
- icf-mcp 发布:WHO ICF 编码与 11 套临床评估工具接入 AI — modelcontextprotocol · 2026-11-21
- 项目经理实测:Pebble Index 01 对比 Sandbar Stream 智能戒指 — Scobleizer · 2026-11-21
- Squad 智能体接管作者 Gmail 邮箱:长对话处理+主动提醒+自动跟进 — tibo_maker · 2026-11-21
- Garry Tan 发问:AI 编码能否一两个月内做出无瑕疵的 GTA VI PC 版 — garrytan · 2026-11-21
- 96 KB 单文件可飞越的亚特兰蒂斯:Claude Code 全程代写 — Any-Reputation8118 · 2026-11-21