从0.62到0.89：一次RAG检索增强生成系统的三段式优化记录
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
深度学习方法论
Lv.1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。
1文章
0粉丝
0关注
0获赞