Git分支策略与Code Review、CI/CD集成的团队协作工作流设计
团队从5人扩展到18人后,直接在主分支开发的模式彻底崩了——平均每周3次合并冲突、2次线上回滚。本文记录我们落地Git Flow改良版的全过程:如何用feature/release/hotfix三类分支配合保护规则,把冲突降到每周0.5次;如何用GitLab MR模板+2人Approval把Code Review覆盖率从40%提到100%;以及GitLab CI 16.x + Docker 24.

主要整理深度学习相关的学习笔记与工程经验,内容覆盖数据治理与评测、智能体工作流设计。注重把个人踩坑沉淀成可复用的方法,希望把复杂问题讲清楚、把实践步骤写完整。
团队从5人扩展到18人后,直接在主分支开发的模式彻底崩了——平均每周3次合并冲突、2次线上回滚。本文记录我们落地Git Flow改良版的全过程:如何用feature/release/hotfix三类分支配合保护规则,把冲突降到每周0.5次;如何用GitLab MR模板+2人Approval把Code Review覆盖率从40%提到100%;以及GitLab CI 16.x + Docker 24.
本文记录了一个真实RAG系统(检索增强生成)的优化过程。上线初期,基于固定512字符切分与text-embedding-ada-002的方案,在200条人工标注问答集上召回率仅0.62,答案准确率0.58。通过三步改造——chunk策略从固定窗口改为语义+递归切分、embedding从Ada-002切换到bge-large-zh-v1.5、引入bge-reranker-large重排序,最终召回率