Ricardoo

@NotAProgrammer PE -> prompt engineering, 就是调 prompt 。agent 架构有很多，可以知乎上搜索关键词

分析下效果不好的原因是什么，是召回阶段还是答案生成阶段，不同问题阶段的处理方式不同
1. 召回阶段，做好多路召回，向量召回（ huggingface 上的知名 embedding 模型都试下，bge 、qwen 等）和传统 ES 召回都做下，效果不会太差，如果领域术语较多，可能 es 召回效果还要更好一些。
2. 答案生成阶段，这个评估的更多了，首先调 API 试试大尺寸模型，看对领域内理解够不够。
- 够的话直接部署大模型完事。
- 如果不行。1. 考虑做领域内 continue pretrain, 把领域内知识学进去，然后走 SFT ，也许需要 RL, 人力物力 100w 可能不够，这种方案需要一个团队来搞。2. 走 PE + 多 agent ，为大模型添加更多的上下文背景知识。现在领域内大模型都倾向于这种模式

我也是。卡的时候查看进程，kernel_task cpu 飙到 100%

因为精确率还有一个别称，叫查准率

我来组成分母

卷
一年干出了两年的工作经验

我直接选择移动到废纸篓，用来几天没发现浏览器有啥异常

mac 和 ipad 的台前调度全都关了。mac 上用 alt-tab 替换系统的任务切换。

@StinkyTofus #5 没想到还有人记得这个，云端是真的方便。可惜这么多年也没有一个继承者。