人工智能技术文章
-
RAG 的 chunk overlap 不是越大越好。本文从标题层级切片、token 上限和检索命中三个可测边界出发，给出一套可复现的初始参数、验证方法和调整顺序。309 收藏 -
RAG 应用不能把最高相似度直接当成答案可信度。本文用可复现的分层规则，把 query_embedding、similarity_score、上下文预算和引用保留串成一条检索到回答的质量控制链。325 收藏 -
视觉语言模型接入 OCR 时，结果漂移往往不是模型突然失忆，而是裁切坐标、原图尺寸和结构化字段没有对齐。本文用一条可复核的数据路径拆开问题，并给出校验与回退做法。406 收藏 -
RAG 流程里，检索命中不等于可以直接交给模型。本文用来源分层、上下文拼接、引用保留和空结果分支，搭出一条可核对、可回退的回答链路。170 收藏 -
MCP 服务端不能看到客户端声明了 elicitation 就直接发送任意模式。本文按初始化能力、form 与 url 分支、请求结果和失败回退，说明如何核对客户端支持范围并守住敏感信息边界。221 收藏 -
向量检索的 top_k 越大不一定让 RAG 答案更好。本文用一个可运行的 Python 小实验说明如何按 source_id 分组、保留上下文多样性，再把有限的候选片段交给生成模型。261 收藏 -
用 Python 把大模型返回的 JSON 经过解析、字段校验和有限重试，避免把半截或缺字段的数据直接写入业务流程。501 收藏 -
RAG 不是召回越多越好。本文从 retrieve、rerank、budget、prompt 四个真实环节拆解上下文被截断的原因，并给出可验证的预算分配与降级方案。495 收藏 -
多模态批处理完成后，输入行与输出行可能顺序不同，失败请求也可能单独落在错误文件。本文用 custom_id 建立稳定主键，再按 JSONL 逐行解析、分离成功与失败，并给出可重跑而不重复记账的对账流程。319 收藏 -
关键词检索和向量检索各自找到了内容，合并后却出现重复段落、来源顺序混乱或引用丢失，问题往往出在结果融合阶段。本文用可运行的 Python 示例拆开去重、分组、来源优先级与引用回填，让多路 RAG 的合并结果可解释、可回归。208 收藏 -
大模型流式响应偶尔停在半句时，不能只把已收到的字符串直接展示。本文用增量 JSON 缓冲、finish_reason 和重连状态拆开定位，并给出可复查的收口方案。348 收藏 -
多模态接口接入后，小图片能成功，大图片却报请求过大或上下文超限。本文从原始字节、base64 膨胀和 token 预算三层定位问题，再给出压缩、尺寸校验与请求组装的可复现处理顺序。397 收藏 -
多模态模型处理跨页 PDF 表格时，字段错位往往来自分页、表头和行号没有对齐。本文把 PDF 页面切片、表头继承、行号复核和低置信度回收串成一条可操作的排查链，给出结构化结果验收方法。430 收藏 -
用 MySQL JSON_TABLE 将订单 JSON 中的商品与批次嵌套数组展开成可查询的行，解释 NESTED PATH 的路径继承、行扩展、空数组补 NULL，以及 ON EMPTY 与 ON ERROR 的边界。322 收藏 -
接入远程 MCP 服务器时，不要把工具发现当成授权。本文从工具 allowlist、来源校验、OAuth 受众绑定和审计记录四个边界，整理一套可复核的权限收口方法。202 收藏