Embedding 与 Reranker 深度调优：检索质量的决定性引擎
RAG 系统的质量上限由检索器决定：检索不到关键文档，再强的 LLM 也只能基于错误或残缺的信息作答。而检索质量的核心引擎是 Embedding（召回）+ Reranker（精排） 的两段式架构——Embedding 用极快的向量检索从百万文档中捞出 Top-100 候选，Reranker 再用精确 …
tag
RAG
共 28 篇文章。
AI 模型测试实战：从 LLM 输出验证到 RAG 质量评估的全链路质量工程
传统的测试方法论建立在确定性之上：同样的输入必然得到同样的输出，断言 assert x == y 是质量的黄金标准。但以 LLM 为代表的生成式 AI 模型打破了这一前提——同样的 prompt 每次调用可能返回不同的、且没有唯一正确答案的文本。assert response == …
Agent 记忆系统实战：从上下文窗口到长期记忆的持久化架构
LLM 本身没有记忆——每次调用都从空白上下文开始。但真实的智能应用需要跨会话记住用户偏好、任务进度与历史事实。Agent 记忆系统正是为了解决"上下文是易失的、知识是永恒的"这一矛盾而生的工程领域。本指南从记忆的类型学出发，系统覆盖短期工作记忆、长期语义记忆、情景记忆与程序性记 …
13. 大语言模型应用开发
大语言模型 LLM 应用开发：Prompt Engineering、RAG 检索增强生成、Fine-tuning 微调、Function Calling 与 AI Agent 架构设计
Vercel AI SDK 指南：构建 AI Chat、Agent 与 RAG 应用
以 Vercel AI SDK 为核心，讲解如何在 Vercel 平台上构建完整的 AI 应用：AI SDK Core 与 UI 模块、流式响应聊天界面、工具调用与 Agent 工作流、RAG 向量检索、配合 Edge Functions 实现低延迟 AI 推理。含完整代码示例与 v0 协同开发。
「产品矩阵平台」平台级 AI 支撑架构
平台级 AI 支撑架构：AI 微服务、Prompt 模板、模型适配、RAG 向量检索、多租户配额管理与输出治理的安全合规设计。
Go 与 AI：构建智能应用
深入探索如何用 Go 构建 AI 驱动的应用程序。从调用 OpenAI/Claude API、流式响应处理、Function Calling，到向量嵌入、RAG 实现、AI Agent 构建，全面覆盖 Go 与 AI 结合的最佳实践。
RAG 高级优化实战：查询扩展、重排序与混合检索深度指南
深度剖析 RAG 系统瓶颈，覆盖 HyDE/Query2Doc 查询扩展、Cross-encoder/ColBERT 重排序、Dense+Sparse+图混合检索三大优化方向。提供完整 Python 实现与端到端性能基准对比，含延迟-质量权衡矩阵。