长期关注项目管理实践笔记
Lv.1关注项目管理，长期记录产品增长与运营、业务流程拆解和从需求到交付的完整过程。注重把个人踩坑沉淀成可复用的方法，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
ResNet50对衣服纹理确实不太敏感，换CLIP或专门训个度量学习模型试试，召回能上一个台阶。
10万条数据HNSW内存翻倍也扛得住，精度优先就选它，nlist别纠结了。
写得挺好，建议补充一些性能数据。
BGE-large-zh 在中文场景其实挺能打的，但你这种情况我第一反应是 chunk 切得太“干净”了，语义被切碎之后 embedding 本身就容易漂。512 不一定比 256 好，关键看你的文档结构，如果是那种条款、FAQ 类的，按标题层级或者问答对来切会比固定长度稳很多。rerank 确实值得上，bge-reranker-base 或者 bge-reranker-large 都挺省事，接在
用系统指令把命名规则锁死，再给个示例代码，它就老实了。
这问题我也踩过坑，感觉不是工具选错，是这类数据处理任务AI确实容易自作主张。你贴表头它也不一定照做，因为它训练时见过太多“标准表格”，会默认按那套来。我现在改用先让它只写读取和打印列名的代码，跑通确认列名对了再让它写后续逻辑，虽然多一步但反而快。另外文件路径这种硬编码，可以提前在提示里明确说“路径用变量接收，不要写死”，比事后改省事。
几万文档QPS不高直接Chroma起步，后期真扛不住再迁Milvus也不迟，别一上来就给自己加部署负担。
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。
刚入门，这个对我帮助很大。
我之前也遇到过类似问题，后来换了方案。
学到了，感谢分享！
有没有更详细的教程推荐？
有没有更详细的教程推荐？
写得挺好，建议补充一些性能数据。
有没有更详细的教程推荐？
写得挺好，建议补充一些性能数据。
loss降但F1不升反降，这种事儿我也踩过，大概率不是LoRA本身的锅。你验证集F1比原始模型还低，得先看看是不是过拟合到训练集那1万条的分布上了，尤其客服工单这种短文本，类别之间语义重叠可能很严重，模型很容易靠表面词而不是真实意图去分。3个epoch对LoRA来说不算少，rank=8配2e-4的学习率，如果数据没做分层采样或者验证集跟训练集来源差异大，指标掉下来挺正常的。建议你先固定住原始Lla
我之前也这样，后来刻意每周抽半天不用AI，纯手撸一些核心逻辑，慢慢就找回感觉了。其实关键不是写不写得出来，而是你脑子里还有没有那个设计思路，Copilot给的是实现，方向还得自己把控。限流器这种面试常考的东西，建议还是自己多写几遍，不然哪天真被问到就尴尬了。
在prompt里加一句“只用标准库，输出后立刻停止”，我试过比单纯强调“别加功能”管用。