学习问答助手Agent实践

学习问答助手Agent实践

学习问答助手Agent实践

以“测试驱动升级版”方法来完整展现一个产品化的研发过程：以桌面版的学习辅助问答助手为产品目标，与AI(Codex+DeepSeek Flash 4.1)协作完成，包括需求定义、架构设计、开发、评测等完整流程

暂无订阅共23篇文章创建于2026-10-16

当 RAG 开始“要求找全”：一次 Agentic RAG 边界探索与 LLM Wiki 转向

Agentic RAG 能扩大召回，但现有研究与工程实践尚未形成解决主题“找全”的共识方案。本文用一个用例的逐轮失败和近期研究说明缺口，并解释转向可回源 LLM Wiki 预编译的原因。

9天前
111
1
评论

澄清不是追问：好的 Agent 应该让“不精确”变得可见、可纠正

澄清不只是向用户追问。好的 Agent 应优先给出有用答案，并让目标、假设和范围足够可见，使用户能发现并纠正偏差。本文用一个冻结问答用例说明这一认知转变及其评测方法

11天前
35
点赞
评论

Prompt本质是在与模型对齐任务的语义理解：以一个是否需引用的判定门禁为例

提示词(Prompt)的难点不是作者写得是否清楚，而是模型在具体任务上是否采用同一语义；本文用分类实验说明如何通过 reason 发现并修正这种错位。

12天前
26
点赞
评论

RAG 可信引用评测纠偏：为什么引用语义支持不应成为绝对红线

RAG 引用支持是受文本歧义和模型抖动影响的语义判断。本文用真实实验说明，为什么应把确定性完整性与语义风险分开治理。

14天前
51
点赞
评论

可信RAG 实战：基于DeepSeek为问答系统实现可验证的可信引用（附源码）

本文以 DeepSeek RAG 为例，附源码复盘如何把一次生成的答案拆成可检查主张、为每条主张绑定真实文档证据，并贯通引用展示、评测和 trace。

15天前
36
点赞
评论

文本式ReAct已经不对：为什么只阻止伪造 Observation 还不够

Harness阻断了伪造 Observation 的上下文污染，模型却继续批量演完整文本式 ReAct。本文用真实评测前后对照，说明从自由文本升级为单 JSON 协议的必要性

16天前
42
点赞
评论

我不再逐行审查 AI 代码，但我知道该在哪里停下来——AI 编程协作的第二轮复盘

经过 20 多轮端到端开发，我把 AI 编程控制从审批代码改成控制语义、证据和不可逆决策。本文复盘哪些规则有效，哪些仍需调整。

17天前
53
点赞
2

金标准不是参考答案：为什么最后把判官输入删到只剩答案和一条判据

18 个用例的判据被全部重写：去掉问题、证据和指代，只保留答案与一条可独立执行的规则。本文复盘金标准如何从评分说明变成判官契约。

17天前
42
点赞
评论

Agentic RAG 评测台落地：从“有评测页”到“有可信的实验事实”

Agent 评测最容易把执行失败、判官失败和产品失败混成一个分数。本文复盘执行现场、样本资格、判定绑定与 N/K 聚合的落地边界。

17天前
36
点赞
评论

Agentic RAG 检索侧落地：从“设计出五个工具”到“证明它们能作为证据进入 Agent”

五个检索工具接上真实模型后，预算归属、范围过滤、工具语义和引用键都暴露了新问题。本文复盘实现如何反向修正设计

17天前
31
点赞
评论

模型会自己伪造工具结果：一次 Agent 评测暴露的 Harness 工程问题——从一句 `count=0`，看模型输出、工具执行和上下文权威的边界

同一工具结果 8 次为真，2 次却被模型自行写成 `count=0`。本文复盘伪造 Observation 如何污染上下文，以及 Harness 如何阻断错误事实参与后续推理。

17天前
114
点赞
评论

一个合法 HTML 注释，为什么能让 RAG 入库失败——从 HtmlComment 异常看解析器边界、错误分层与版本升级

一个合法 HTML 注释为何会让整篇文档入库失败？本文从 HtmlComment 异常追到列表遍历和 tail 文本，给出解析修复、错误分类、版本升级与旧快照兼容的完整方案

19天前
19
点赞
评论

3 篇后再导入 4 篇，为什么知识库只剩 4 篇？——一次 Agentic RAG collection 增量发布故障复盘

连续导入 3 篇和 4 篇，活动知识库却只剩 4 篇。本文复盘错误发布模型，给出增量快照、版本替换、部分失败保留与回滚测试的修复方案，并说明任务成功不等于知识库状态正确

19天前
28
点赞
评论

AI 写代码越快，为什么我反而越没有掌控感？——一份仍在演进的人机协作实践记录

AI 加速实现后，真正的瓶颈变成人能否预测、解释、干预和恢复系统。本文复盘设计、垂直切片、决策账本与人工确认如何被真实故障修正，并说明外部实践只能提供假设，协作模式仍需持续试验和淘汰

19天前
50
点赞
评论

Agentic RAG 技术选型：从部署约束推到 Tauri、Vue、Python 与 LangGraph

从单机桌面、双云 API、10 万 block 和预期多Agent 约束反推，选定 Tauri、Vue、Python、LangGraph、SQLite 与 LanceDB，并划清编排、SDK、领域边界

20天前
73
点赞
评论

Agentic RAG 的评测台：从跑分页到可诊断、可回归的系统

评测台不是跑分页，而是固定现场、执行、判定、诊断、比较与回归的闭环。本文拆开执行与判定两层事实，说明 N/K、pending、红线、Trace、基线比较各自解决什么问题

20天前
65
点赞
评论

Agentic RAG 的入库设计：从 HTML 到可检索、可复现的快照

入库不是把网页压成文本再切块，而是产出可检索、可引用、可复现的 collection 快照。本文用 S0–S6 串起来源留痕、身份版本、章节树、证据块、双索引与 manifest 对账

20天前
78
点赞
评论

Agentic RAG 能检索还不够：从质量属性反推错误、预算、Trace 与版本管理

功能设计完成后，本文按质量属性逐项反查，补齐空结果与错误分层、请求快照、预算、Trace、版本、回滚和部署约束，最终给出工具、Agent 循环与提示词的落地版本

21天前
30
点赞
评论

Agentic RAG检索侧设计：从模式选型到工具、循环与提示词

存储决定知识以什么形式存在，检索侧决定运行时怎样取出证据。本文从文档问答需求出发，先选择经典或 Agentic 模式，再推导五个检索工具，最后用纯 Agent 循环、工具契约和提示词组织多轮检索

21天前
177
2
5

架构设计RAG存储选型：用一个文档问答 Agent 演示“由检索需求反推存储”

存储不是先选技术，而由检索需求决定。本文用 18 条用例推出经典＋Agentic 两条检索路线，比较增强向量块、Wiki、非严格图后，定下第一阶段用增强向量块、Wiki 与图后置，并做了质量属性的冲突

23天前
37
点赞
评论