Agent 应用开发名词梳理

工业级软件系统

数据来源

• 招聘 JD
• 周围人
• 网上资料（例如：x.com、油管等）

RAG

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

• 单路检索、多路检索 向量、关键词、语义
  • 多路检索通过多数据源、多检索方式并行召回，提升召回率和内容覆盖度
  • 语义匹配、关键词精准匹配
• 召回率
• RAG 分块策略