3 个进行中 · 边做边验证

AI 实验室

把模型能力接进真实产品的地方。这里放的多半是还没定型的实验，关注可用、可控、可维护，而不是先追求效果上限。

AI 应用技术分享检索增强提示词工程

实验

进行中

已上线

技术标签

全部实验

共 6 个

RAG 进行中

把散落的笔记与文档接成可追溯的问答。

先做召回再做生成：把本地文档切片、向量化，检索命中后再交给模型组织答案，并保留引用出处，让每个结论都能回到原文。

检索向量库重排

RERANK 进行中

召回广、排序准，两段式检索的质量实验。

向量召回负责不漏，交叉编码器重排负责排对。反复对比切片粒度与重排模型对最终答案的影响。

Embedding Cross-Encoder 评测

PROMPT 已上线

把提示词当代码管理：版本、对比、回放。

收集常用提示词模板，记录每一次调整前后的输出差异，让「改了一句提示」这件事有据可查。

提示词模板对比

TRANSLATE 进行中

长文档分段翻译，术语表保证前后一致。

按语义分段、术语表锁定专有名词，再逐段翻译并回填，避免整篇翻译时术语漂移与格式丢失。

分段术语表 Markdown

REVIEW 已上线

在提交时给出可操作的建议，而不是泛泛而谈。

结合仓库里的编码规范与历史评审意见，对改动做定向检查，输出能直接改的建议而非套话。

静态分析规范评审

LOG 构思中

从结构化日志里自动聚类异常并给出线索。

让模型读日志模板与异常堆栈，把零散报错聚成几类，并附上可能的成因，减少人工翻日志的时间。

结构化日志聚类告警