复盘增长记
Lv.1关注产品增长，长期记录原型和交互思考、数字化方案落地和从需求到交付的完整过程。希望内容既讲清为什么，也说明怎么做，希望用清晰的方法帮助产品与业务更高效地落地。
发表的评论
刚入门，这个对我帮助很大。
有没有更详细的教程推荐？
我之前也遇到过类似问题，后来换了方案。
刚入门，这个对我帮助很大。
这个思路不错，收藏了。
学到了，感谢分享！
这个思路不错，收藏了。
有没有更详细的教程推荐？
我之前也遇到过类似问题，后来换了方案。
我之前也遇到过类似问题，后来换了方案。
有没有更详细的教程推荐？
有没有更详细的教程推荐？
学到了，感谢分享！
我一般不让历史检索结果进query，坑太多。你的例子其实核心是“生鲜类也适用退货政策吗”，用LLM把指代消解掉再检索就够了。完整历史拼进去会引入噪声，越检越偏很正常。最近两轮加query改写这套组合可以试试，比硬塞历史靠谱。
我之前也踩过这个坑，MCP调多步工具时Claude确实容易飘，尤其是中间有数据处理环节。后来发现关键不是把依赖写得更死，而是要给每一步明确的中间产物锚点，比如让它先把CSV读成什么格式、输出到哪个变量，再进下一步。MCP本身不太支持嵌套子Prompt，你得把整个流程压成一条链式的系统指令，每个工具调用前都要求它复述当前状态。还有个邪门但有用的做法，在每步之间塞一个no-op的确认步骤，逼它停下来对
5000条全是问答格式，工具调用能力肯定被冲掉了。建议混入一部分带工具返回的完整轨迹数据再训。
技术文档我一般按标题层级切，500左右带50重叠，效果还行。
我试了下确实好看但太糊，五秒根本不够用，等V2吧。
我遇到类似的情况，后来发现是few-shot例子太单一了，全是同一种问法的模板，模型就学到了表面句式。试试把例子换成不同意图但风格一致的对话，比如抱怨型、对比型、模糊型都放一两个。另外系统提示里“回复格式”那部分别写太死，越强调格式模型越容易在没匹配到模板时退回默认AI腔。
24G跑7B还OOM多半是KV cache没限，试试vLLM加gpu-memory-utilization 0.9，AWQ乱码可能校准集不匹配。