Tag

#LLM

共 7 篇文章带有此标签。返回全部文章

LLM 幻觉治理：溯源、约束与 RAG 兜底 — editorial cover photo

LLM 幻觉治不了，但能压到可控

LLM 一本正经地胡说是最危险的风险。幻觉没法彻底消除，但能靠约束、溯源、RAG 多管齐下把它压到可控范围。

2026年1月9日

Function Calling：从模型能力到工程落地 — editorial cover photo

Function Calling：能用和用好是两回事

模型支持 Function Calling 不等于能用好。工程落地要处理工具描述、参数校验、错误恢复、多步编排，这些才是真正的难点。

2026年1月5日

Function Calling LLM 工具调用

Agent 评估：从任务完成到可靠性的度量 — editorial cover photo

Agent 评估：同样输入，为什么结果不一样

Agent 评估比传统软件难得多。同样输入可能不同输出，需要任务级而非断言级的评估，靠 LLM as judge 加人工抽检的组合。

2026年1月1日

Agent评估 LLM Eval

Agent 记忆系统：短期、长期与向量检索 — editorial cover photo

Agent 记忆：别让 Agent 沦为七秒金鱼

Agent 没记忆就像金鱼，每次对话从零开始。短期记忆管上下文，长期记忆靠向量检索，两者配合才能让 Agent 记住历史、积累经验。

2025年12月28日

Agent 记忆系统向量检索

提示工程：从单次调用到结构化提示框架 — editorial cover photo

一句 prompt 不够用时，提示工程才算开始

写一句提示词让 LLM 干活，简单场景够用。复杂任务要结构化的提示框架，把角色、任务、约束、示例分层组织。

2025年12月16日

提示工程 Prompt LLM

RAG 系统设计：从检索增强到四级管线 — editorial cover photo

能跑通 demo 的 RAG，离生产还差四级管线

把文档丢给 LLM 问问题看起来简单，生产级 RAG 要走过查询改写、检索、重排、生成四级管线，每一级都有坑。

2025年12月12日

RAG 向量检索重排

Agent 架构：规划、执行与反思的控制循环 — editorial cover photo

Agent：不是能调工具的 LLM，而是控制循环

Agent 不是「能调工具的 LLM」，是规划、执行、反思的控制循环。这个循环才是 Agent 区别于普通 LLM 调用的本质。

2025年12月4日

Agent LLM 控制循环