AI相关开发

记录本次从零拉起 YOLO11 训练管线的完整过程,包含通用流程与本项目特定踩坑结论。 便于下一次接手或迭代时复用。 TL;DR — 5 步走完整个训练 步骤 命令 用时 输入 输出 1. 装依赖 u

使用指南 阅读约定 每个场景按统一模板： 操作纪律 任何破坏性操作（DELETE / 强制分配 / voting 排除）必须双人在场 执行前先 ack 告警，避免重复响应 每步操作记录到故障 IM 频

目录 总体原则 监控体系分层 指标采集方案 核心指标清单 告警分级与响应 告警规则 Dashboard 规划 日志采集 告警治理 On-Call 流程 附录 A：指标全集速查表 附录 B：告警响应卡（

目录 总体原则 集群拓扑 节点规格基线 操作系统调优 JVM 调优 elasticsearch.yml 配置基线 安全初始化 启动顺序与初始化 checklist 日常运维操作 扩容与缩容 滚动重启与

目录 总体原则与红线 集群与容量规划 索引设计规范 Mapping 规范 写入规范 查询规范 向量检索 / RAG 场景 日志 / 可观测性场景 客户端接入规范 安全规范 发布与变更流程 可观测性与告

1. KBQA 总体架构 核心设计原则： 两路并行：事实型走 Text2Cypher（高精度、可解释）；开放型走 GraphRAG（高召回） 安全第一：所有 LLM 生成的 Cypher 必须经过校验

1. 接入总体架构 关键设计： 统一 Adapter 抽象：每个数据源实现 SourceAdapter 协议，调度器看不到细节差异 三层 Landing 策略：Raw → Staging → Onli

1. 技术栈最终选型 模块 选型 版本 说明 语言 Python 3.11 主开发语言 包管理 Poetry 1.8+ 依赖锁定 图数据库 Neo4j Enterprise 5.15 主存储 关系库

1. 本体设计范围与不范围 1.1 范围（In Scope） 本体覆盖以下知识： 主体：企业、自然人、政府机构、社会组织、产品、品牌 关系：股权、任职、对外投资、关联交易、上下游、司法、行政、新闻同框

目录 第一部分 项目总览与架构设计 第二部分 本体建模与 Schema 设计（重点） 第三部分 知识抽取（NER / RE / 事件抽取）（重点） 第四部分 知识融合与实体对齐（重点） 第五部分 图谱

0. 使用说明 本 Runbook 是 值班手册，应满足两个标准： 能让一个不熟悉系统的值班同学，按步骤把故障止血。 每个 SOP 至少经过一次真实演练。 未演练的 SOP 标为「未演练」，不能依赖。

0. 为什么需要这份规范 RAG 生产事故里，80% 出在 Prompt 改动和评测缺失上，而不是技术框架。典型事故： 算法 A 改了 system prompt 让某类问题答得更好，但意外让另一类拒

0. 文档使用说明 本文档面向 要把 RAG 系统真正落到企业生产环境 的工程团队，覆盖从立项评估到上线运维的完整闭环。每一章节都按以下结构组织： 设计目标 —— 该模块要解决的核心问题 方案选型 —

0. 为什么 Agent 推理特别难加速 通用 LLM 推理优化的经验在 Agent 场景下会失效，原因来自 Agent 自身的负载特征： 特征 通用 Chat 工具调用 Agent 单次请求轮数 1

目录 0. 文档使用说明 1. 为什么 RAG 评测难，比模型评测更难 2. 评测体系总览（金字塔模型） 3. 系统拆解：评测的最小观测单元 4. 指标体系（Metrics） 4.1 检索层指标 4.

目录 一、什么是 Agent Harness 二、Harness、上下文、提示词的边界 三、整体架构 四、Agent 主循环 五、系统提示词设计 六、工具系统 七、上下文管理 八、记忆系统 九、权限与

目录 一、Git LFS 是什么 二、安装与初始化 三、基本工作流 四、.gitattributes 配置 五、常用命令速查 六、迁移现有仓库 七、清理误提交的大文件 八、克隆与拉取优化 九、自建 L

目录 一、任务定义 二、技术路线对比 三、数据准备 四、Schema 设计 五、传统方法：BERT 分类 + CRF 六、现代方法：LLM 抽取 七、混合架构 八、Few-shot / In-cont