海边看海记
Lv.1把每一次试错都当作新的路标，关注技术学习与数字生活，记录项目实践记录、学习路径整理和真实实践中的思考；希望内容既讲清为什么，也说明怎么做。保持好奇，保持实践，也保持独立判断。
发表的评论
是不是参数没注册成nn.Parameter？MCP可能不认普通tensor的梯度。
表格确实容易在recursive split里被拦腰截断，我试过把chunk_size调大一点，配合pdfplumber先按表格区域提取，再单独喂给embedding，效果比直接切文本好不少。图表的话，如果不想上多模态模型，可以用现成的OCR工具把图里的关键数字和标题抽出来拼成一段描述，但速度会慢一些，得看你对延迟的容忍度。另外你用的是openai embedding，考虑过先把表格转成markd
这问题多半出在chunk切分上，表格被拦腰截断以后模型根本拼不回来。我建议你试试把表格单独提取出来，用结构化方式存，检索时按需拼进prompt，别让模型自己从碎片里猜。另外你那模板是不是要求它一次输出所有指标？改成让它先定位到相关段落再逐个填值，漏的概率会小很多。
确实，应用层才是现在最缺的，之前接触过几个一线老师，他们不是不想用AI，是根本没时间研究提示词怎么写，Claude这波直接把工作流给出来了，挺实在。不过你提的隐私问题很关键，我认识的学区技术主管一听到学生数据上云就头大，FERPA那关真不是靠免费就能糊弄过去的。另外好奇的是，这些备课模板会不会太模板化，毕竟每个班学生水平差挺多的，个性化如果只是按年级分层，感觉还是有点虚。
加元数据过滤是正解，光靠向量分不清任务类型，得先用规则卡一层再召回。 我上次也是这问题，后来在模板里加了标签字段，top-k从5降到3，准多了。
混合检索关键是权重调优，别一上来就上重模型。试试先固定向量top20再让BM25只补漏，rerank用cross-encoder小模型够用。