三者改动的是三个不同的东西 把一次生成写成条件分布 P(y | x; θ)，x 是输入上下文，θ 是权重。三条路线各自动一个变量： 路线 改动对象 模型权重 知识来源 提示词工程 x 不变 靠上下文现场提供 RAG x（拼接检索结果） 不变 外部库，运行时拉取 …
1.9k
2
17
宋识 Last reply · 2026-10-13
#RAG
7AA7 技术博客 · #RAG 下的全部文章。
宋识 Last reply · 2026-10-13
大模型的知识来自训练数据，训练截止之后发生的事它不知道；企业内部的文档、代码规范、产品手册，它更不可能见过。更麻烦的是，当模型对某个问题"没有把握"时，它并不会停下来，而是顺着语言习惯把答案编下去——这就是幻觉（hallucination）。 RAG（Retrieva…
213
2
2
North 北境 Last reply · 2026-10-11
完整链路 RAG 不是"接个向量库"这么一件事，它是一条有八个环节的流水线，任何一环掉链子都会体现在最终答案上： 文档解析 → 切块 → embedding → 入库 → 检索 → 重排 → 拼装 → 生成 解析环节最容易被低估。PDF 转文本会丢掉表格结构、把双栏排版读成左右交…
2k
1
12
Bit 序章 Last reply · 2026-09-29
调用一个 embedding 接口拿到一串浮点数，然后算余弦相似度排序——这条链路看起来简单，但线上效果不达标的检索系统，有相当一部分问题出在这几步的细节上，而不是模型本身的能力。 相似度由任务定义，不由模型定义 通用 embedding 模型的训练目标通常是"语义…
877
0
2
Soraya Published · 2026-09-10