我热爱并擅长的领域：软件设计/系统设计 和 Agent 应用开发

---

我推荐大家使用 AI 编程

AI 时代，值钱的不是代码，而是想象力

---

学习谈判、博弈、人性、价值交换和链接

---

我的路线图

• 博弈/人性/两性/心理学/卡尔荣格/历史
  • 说服术/影响力/洗脑术
• 软件设计/系统设计/树莓派/具身机器人/Agent 应用开发/AI 编程
• 金融/Web3/财务资产负债表
• 思考致富/当下的力量/意识能量/共济会/光明会/骷髅会/卡尔荣格
• 游戏三国杀/音乐

xt 工作复盘

做了啥？

• LangGraph Subgraph 实现子智能体团队
• 接入阿里云 DashVector
• 接入阿里云 Redis 实现断线重连（Redis Stream）
• 接入火山云 TLS 日志服务
• 页级多模态 RAG，智能文档解析，向量化模型，向量数据库

RAG (Retrieval-Augmented Generation) 是结合检索和生成的技术方案，能显著降低 LLM 幻觉风险。
完整流程：
双路召回： 使用 Dense 向量检索（基于语义）和 BM25 稀疏检索（基于关键词），提高召回率
RRF 融合： 倒数秩融合算法，合并两路结果并去重
Cross-Encoder 精排： 使用交叉编码器模型对候选文档重新评分，精选 Top-5
KG 跳跃检索： 从知识图谱中扩展检索，寻找相关实体和规则
Context 注入： 将检索结果作为上下文注入 LLM，提高生成的准确性
✓ 核心优势： 降低幻觉、提高准确性、支持实时更新知识库

• 接入云 RocketMQ
• 基于 Skill 的自学习机制
• 推理规划、上下文管理、工具调用 harness

有哪些成果？

• 四两

• 妙策