RAG 工程化:从切片到溯源的 7 个决策
在字节的电商客服项目里,我把 Recall@5 从 0.72 推到 0.93。真正起作用的不是换模型,而是七个工程决策:切片粒度、元数据、双路召回、融合、重排、溯源与回归评测。
WYX.SPACE · AI 全栈 / 智能体开发
把想法做成能上线的东西。
信息与通信工程硕士在读,多模态 AI 方向。写代码之前先想清楚「谁会用、用完得到什么」,所以我的项目大多从一句真实需求开始,最后落到一个能付费、能被评测的线上产品。
上过 7 款 AI 付费产品,打过 7 场线下黑客松,也是一个 2.3w 粉的 AI 内容创作者。白天写 Agent,晚上剪视频,剩下的时间在西安的巷子里找面吃。
在字节的电商客服项目里,我把 Recall@5 从 0.72 推到 0.93。真正起作用的不是换模型,而是七个工程决策:切片粒度、元数据、双路召回、融合、重排、溯源与回归评测。
在评测中台项目里我沉淀了 22 个内置指标。指标不在多,在于每个都能回答一个业务问题,并且稳定可复现。
Harness 不是框架,是约束。它负责把不确定的模型输出,变成可追踪、可回归、可回滚的工程行为。