摘要：
目录工业级智能客服意图识别方案：MiniLM + LLM 兜底1. 系统目标2. 标签体系设计3. 流程步骤Step 1：MiniLM embedding → Top-K 意图候选Step 2：单意图 / 多意图判定Step 3：敏感度闸门（Risk Gate）Step 4：决策执行单意图多意图St 阅读全文
posted @ 2026-01-09 22:00
向着朝阳
阅读(150)
评论(0)
推荐(0)
摘要：
目录MiniLM-L6 VS MiniLM-L12MiniLM 是一个轻量级、高效的 Transformer 模型，因为小体量和高性能，非常适合多种 NLP 场景。下面我帮你系统整理它的主要使用场景：MiniLM-L6 和 MiniLM-L12 的主要区别在于模型深度（层数）、参数数量、推理效率和语 阅读全文
posted @ 2026-01-09 18:58
向着朝阳
阅读(73)
评论(0)
推荐(0)
摘要：
目录1️⃣ 场景差异：去重 vs 意图缓存2️⃣ 为什么意图分类要求更高相似度3️⃣ 总结 你提到的这个差异非常典型，也是很多做 RAG + 意图分类缓存的人容易困惑的地方：为什么文档去重 / 聚类用 0.85~0.9 就够了，但意图分类缓存却要求 0.95~0.98？我们可以从本质原因来分析： 1 阅读全文
posted @ 2026-01-09 18:44
向着朝阳
阅读(16)
评论(0)
推荐(0)
摘要：
目录【结论】✅ 适合合并进统一跨系统集成网关的情况⚠️ 适合单独部署 AI 网关的情况应用架构二、架构目标三、核心架构要素1️⃣ Agent 层（Python）2️⃣ AI 网关层（接入与治理层）3️⃣ MCP Server 层（Java 工具服务）4️⃣ 云原生基础设施层四、组件协作流程协作要点： 阅读全文
posted @ 2026-01-09 10:49
向着朝阳
阅读(65)
评论(0)
推荐(0)
摘要：
目录JAVA和Python生态的能力和边界Python → Java 用于 Agent 的工具调用； Java → Python 只在 Python 被视为独立系统或产品时成立。一、先给结论：我完全认同你的场景划分1️⃣ Python → Java：主要是为了 LLM / Agent 的 tools 阅读全文
posted @ 2026-01-09 08:54
向着朝阳
阅读(50)
评论(0)
推荐(0)
摘要：
目录持仓股票突然上涨 ≥10% 的专业应对对比表同一件事，两种思维方式（核心差异）一行速记版（给你贴在屏幕旁） 下面这个表格，把“持仓后突然上涨 10%”的不同情形，以及普通人的反应 vs 专业交易者的处理方式，做成了一眼就能对比、可直接执行的结构化版本。 持仓股票突然上涨 ≥10% 的专业应对对比 阅读全文
posted @ 2026-01-09 08:23
向着朝阳
阅读(44)
评论(0)
推荐(0)
浙公网安备 33010602011771号