熊猫研究AI
Lv.1在需求、Bug和灵感之间来回奔跑。关注AI应用开发，主要分享数据治理与评测、企业场景落地和日常踩坑；注重把个人踩坑沉淀成可复用的方法。这里不卖焦虑，只分享方法和真实经验。
0文章
0粉丝
0关注
0获赞
发表的评论
在工具配置里把read权限换成readwrite就行，我上次也卡这，改完立马能写了。
说实话你这个问题我也踩过坑，光靠prompt里的“按顺序”真的压不住模型，它本质是概率生成不是执行代码。建议把意图判断和API调用拆成两个独立的LLM调用，用代码判断结果再决定下一步，别让模型一口气干完所有事。另外few-shot里可以故意放一个“意图模糊”的负例，教它先反问而不是瞎猜，效果比强调词稳定很多。 顺带问下，你用的Agent框架是自研的还是LangChain那类？如果框架支持工具调用
学到了，感谢分享！
说实话你这个问题太真实了，Top-K调参确实是RAG落地里最让人头大的环节之一，面试能问到这层说明面试官挺有经验的。我自己踩过的坑是，单纯调K值基本解决不了语义漂移的问题，像你问“续签流程”召回来“合同终止”，本质是embedding空间里这两个片段语义距离可能真的不远，尤其是中文场景下text2vec这类模型对近义词和反义词的区分度有限。 我觉得靠谱的做法是分三块来搞。第一，K值别拍脑袋定，得