微信扫码
添加专属顾问
 
                        我要投稿
本篇基于Prompt-Flow和GPT-4o。
RAG(Retrieval-Augmented Generation)的两种选择:Chunk vs QA
覆盖率提升:使用Chunk检索能有效提高覆盖率,且噪声的影响较小。尽管此前认为QA是最佳方案,但Chunk的效果反而更好。
泛化问题:QA的泛化能力有限。一段200字的文本Chunk可能包含A、B、C三类信息,如果QA索引需要标注多种业务场景,成本会非常高。但Chunk检索可直接覆盖多个业务。
混合方案:可以同时使用Chunk和QA,或基于相似度进行筛选,但对最终效果的提升有限。
问题扩写与原问题检索并行
背景:用户常提出缺乏上下文的简短问题,如“你觉得呢?”、“推荐哪个?”这种问题无法直接检索,需要扩写成更完整的上下文问题。
方案:向量检索对完整问题效果更好,但在用户频繁变更话题或内容过长时,扩写可能出现误删或误改。因此,仅依赖扩写会提高大模型生成错误答案的风险。
解决方式:同时对原问题和扩写后的问题进行检索,将结果合并去重,再根据最终文本进行回答。
多业务流路由分发
背景:当核心Agent提示词过长时,可能出现逻辑矛盾,导致输出错误。
方案:使用路由Agent解耦核心节点,通过其他任务Agent生成的变量来填充核心Agent中的内容。特定任务仅在触发路由时执行,不干扰关键流程。
自动化测试
背景:自动化测试能够省时省力。
方案:构建测试流程,设置两个Flow之间的交互,通过历史会话检测业务漏洞。但要设置终止条件,避免无休止的对话循环。
53AI,企业落地大模型首选服务商
产品:场景落地咨询+大模型应用平台+行业解决方案
承诺:免费POC验证,效果达标后再合作。零风险落地应用大模型,已交付160+中大型企业
2025-10-31
OpenAI 公开 Atlas 架构:为 Agent 重新发明浏览器
2025-10-31
Palantir 本体论模式:重塑企业 AI 应用的 “语义根基” 与产业启示
2025-10-31
树莓派这种“玩具级”设备,真能跑大模型吗?
2025-10-30
Cursor 2.0的一些有趣的新特性
2025-10-30
Anthropic 发布最新研究:LLM 展现初步自省迹象
2025-10-30
让Agent系统更聪明之前,先让它能被信任
2025-10-30
Rag不行?谷歌DeepMind同款,文档阅读新助手:ReadAgent
2025-10-29
4大阶段,10个步骤,助你高效构建企业级智能体(Agent)
 
            2025-08-21
2025-08-21
2025-08-19
2025-09-16
2025-10-02
2025-09-08
2025-09-17
2025-08-19
2025-09-29
2025-08-20