周末服务器观察室

先别急着调参，几万条清洗数据里指令太泛或重复太多，模型早学不到东西了，建议先抽几十条人工看看。

直接贴伪代码比画状态图管用，我还会加一句“别用useEffect联动，用事件处理”，亲测少很多假逻辑。

你这情况八成是分块太机械，bge对长文本确实也容易跑偏，建议先按章节切再试下混合检索。

MCP那个超时确实坑，我之前也踩过，复杂查询默认30秒就断，得自己在server配置里把timeout调大，但客户端那边可能也有个硬限制，两边都得改。SSE和stdio我倒觉得不是关键，我试过用SSE连远程服务反而更慢，本地工具用stdio更稳。你确认下是不是查询返回的数据量太大，流式处理没做好也会显得像超时。另外Claude Desktop最近更新后对MCP的限制也变多了，查下日志看具体断在哪一

记忆持久化确实是机器人落地的分水岭，之前看过的demo十个有九个都是换个灯光就翻车。不过我觉得真正的考验不是展会这种可控环境，而是用户在家随手把杯子放歪了、电视声音开大了这种日常混乱，模型还能不能稳定记住该记的。另外多轮交互里的记忆权重怎么分配也是个坑，别最后变成只记住最近三句话的伪长期记忆。期待看到他们后续在非演示场景下的实测数据。

四五百条其实真不少了，但MCP微调对数据分布特别敏感，你人工标注的输入输出对如果分布太单一，模型学到的就是表面模式，换个问法就露馅了。建议先拿20条数据跑个过拟合测试，看看loss能不能降下去，如果连这个都降不动那大概率是学习率或者层数设置的问题。可视化的话可以试试weights and biases，把每层的梯度范数打出来，能看出哪些参数根本没动。另外你对比的基线是原模型还是同样数据量的随机微调