aibi1

摘要： 目录LoRA 微调对准确率的影响分析微调vs 不微调Qwen 14B 模型在智能客服意图识别中的准确性预期关键结论 这个问题的答案是：会，而且影响通常是正面的且显著的。 在智能客服 Agent 中，是否进行 LoRA 微调（Parameter-Efficient Fine-Tuning，PEFT）会 阅读全文

摘要： 目录背景示例一：产品版本和型号的细粒度区分示例二：不同产品线的相似功能示例三：售后政策的版本/时间漂移如何解决？1. 混合检索（Hybrid Search）的强化2. 引入重排器（Re-Ranker）进行细粒度区分3. 增强文档与块（Chunk）的结构性4. 优化向量模型 背景 针对手机销售和售后的 阅读全文

摘要： RAG 缓存方案专为高并发低延迟设计，分为两级拦截： 检索阶段缓存 (Retrieval Cache): 采用 L1 进程内存（精确 Hash 匹配）和 L2 向量索引（相似度匹配）。目标是吸收 70% 左右的重复或相似查询流量，将 L3 向量数据库的查询延迟从 $10-30\text{ms}$ 降 阅读全文

摘要： 目录安全开发总结二、分模块核心要点速查表AI Agent 安全开发指南目录1. 输入验证与注入防护1.1 问题描述1.2 解决方案✅ 已实现的安全措施🔧 建议增强措施2. Prompt 注入防护2.1 问题描述2.2 解决方案✅ 已实现的安全措施🔧 建议实现措施3. 工具调用安全3.1 问题描述 阅读全文

摘要： 目录背景和价值一、向量检索的局限性1. 语义相似 ≠ 精确匹配2. 关键词匹配能力弱3. 多条件组合查询困难二、具体问题对比场景 1：精确数值查询场景 2：多条件组合查询场景 3：专业术语/品牌名查询三、向量检索 vs ES 检索的对比四、项目中的实际案例五、为什么需要多路召回：数学原理向量检索的数 阅读全文

摘要： 目录一、系统级工具：类top -p -H/jstack的排查方法1. 类top -p -H：查看Python进程的线程级资源占用2. 类jstack：打印Python进程的线程/协程栈（1）py-spy：非侵入式Python进程栈采样（推荐）（2）pdb/rpdb：侵入式调试（适合本地开发）（3）f 阅读全文

摘要： 目录背景和价值Deerflow 源码函数分析一、函数基础信息1. 函数签名2. 依赖的核心对象二、核心逻辑拆解逐行代码逻辑分析三、关键设计细节1. 「顺序执行」的核心原则2. 「Planner」的兜底角色3. 状态驱动的路由4. 松耦合的角色设计四、潜在优化点1. 增加类型校验2. 枚举扩展的扩展性 阅读全文

摘要： 目录背景和价值1. 源头分类与智能投放 (Smart Classification at Source)2. 产生量预测与内部物流优化 (Prediction & Internal Logistics)3. 源头减量与工艺优化 (Source Reduction / Prevention)4. 合规 阅读全文

摘要： 目录背景和价值DeerFlow多智能体系统解析1. DeerFlow有哪些Agent，以及定义research_team-> continue_to_running_research_team 函数返回节点的判断逻辑2. Agent之间流转（流程图）及控制变量 背景和价值 DeerFlow多智能体系 阅读全文

摘要： 目录背景和价值1. 大数据部门的职责 (Big Data Department - 平台建设方)2. AI部门的职责 (AI Department - 价值应用方)总结：技术总监的战略划分参考资料 背景和价值 这是一个在组织架构中非常关键的问题，也是检验技术总监组织协调能力和职责划分清晰度的关键点。 阅读全文