人工智能技术文章
-
从一个知识库问答召回率下降的现场出发，拆解查询与文档向量任务类型、topK基线和Recall@K验证方法，帮助定位RAG检索问题到底在编码、切块还是排序。251 收藏 -
RAG 知识库答非所问，通常不是模型单独失灵，而是切分、召回过滤和重排之间没有形成可验证的证据链。本文用一组可复现的检查方法定位问题，并给出适合上线前评测的调整顺序。243 收藏 -
AI 流式接口不能只靠某个文本片段判断结束。本文用事件序列拆解增量内容、完成事件、失败状态与断线续接，给出客户端状态机、重复片段处理和验收清单。239 收藏 -
AI 流式回答在移动网络或代理切换时可能中途断开。本文用 SSE 的事件 ID、重连窗口和客户端游标，拆解如何续接未完成内容、避免重复片段，并给出可验收的状态与日志设计。231 收藏 -
AI 接口遇到 504 不能简单重复提交。本文用 OpenAI 的 X-Client-Request-Id 和 Gemini API 的指数退避建议，拆解请求标识、可重试错误、结果去重与人工复核的完整工作流。229 收藏 -
超长视频不能只靠一次请求和一段摘要解决。本文以长视频检索为例，拆解分段抽帧、时间轴索引、候选片段复核和证据回溯的工程流程，并给出可验收的结果格式。229 收藏 -
更换 Embedding 模型后，旧向量与新向量的维度可能不一致，直接覆盖索引会让写入、查询和回滚同时失控。本文以双索引迁移为主线，拆解维度核对、查询路由、后台回填和回滚验收。229 收藏 -
大模型流式接口出现重复片段，通常不是模型把同一句话生成了两次，而是客户端把重试、重放或累计快照重复拼接。本文用可观测指标拆开增量事件、断线续传和去重边界。213 收藏 -
大模型接口返回 JSON 时，偶尔会带上 Markdown 代码围栏、解释文字或截断内容。本文从真实响应现场出发，给出 Go 解析、边界判断、重试与结构化响应约束的组合方案。213 收藏 -
重复把长文档或系统提示词发送给 Gemini API 时，可以用显式 Context Caching 保存公共上下文，再通过 cachedContents、TTL 和 usage.total_cached_tokens 验证缓存是否真的生效。209 收藏 -
Embedding 模型一换，向量维度可能跟着变化，批量写入时轻则报错，重则让新旧数据混在同一索引里。本文用维度契约、批量预检、双索引切换和回滚清单，把模型升级变成可验收的入库流程。202 收藏 -
RAG 应用最难排查的错误之一，是模型把相似检索片段直接改写成确定答案。本文从引用绑定、证据片段和拒答边界入手，给出一套可落地的输出验收方法。201 收藏 -
多模态 RAG 能检索到图片，却在回答里漏掉关键上下文，通常不是模型单点失效，而是 OCR、图文切片、向量检索和引用回链之间有一段断了。本文按证据顺序定位并修复这类问题。197 收藏 -
流式调用工具时，参数 JSON 会被拆成多个增量事件，不能把每个片段直接解析。本文用 buffer、JSON.parse 和状态恢复拆开半包边界，给出失败重试与重复调用的防线。197 收藏 -
AI 应用不应把模型内部推理链直接展示给用户，但可以通过 Responses API 的 reasoning summary 提供简洁的过程摘要。本文用 Python 示例说明配置方式、摘要与最终答案的区别、展示边界和上线核对项。195 收藏