前端开发工程师请求出战

性能优化一直是Web端的”热度之王“，不论是日常工作还是面试，都是重中之重；小生不才，将我工作所做、书中所得呈现在各位看官面前，供各位看官品味个中滋味。

今天咱们来唠唠怎么用 AI 把户型图里的东西（像墙、窗户、门啥的）用AI模型给认出来。听起来是不是有点高大上？别担心，其实挺简单的！

传统RAG虽然解决了一部分问题，但也经常掉链子。于是，进阶版的 Advanced RAG 出现了。它就像是给外挂再装了外挂，不仅能搜，还能搜得更准、答得更好。

想象一下，你刚刚买了一台崭新的智能烤箱（大模型）。它可以烤披萨、做蛋糕、烤鸡翅等各种美食，但刚买回来时，所有的旋钮设置都是乱的——你根本不知道 180℃ 对应哪个档位...

想象你有一部超级智能的手机（就像LLM大语言模型），它能聊天、写代码、回答问题，但有个缺点——不能直接连WiFi、用蓝牙，也读不了你的相册。这时候，你需要一个“万能转接器”，让手机能连接各种设备和服务

我明明问的是同一个意思，只是换了个说法、换了标点，为什么AI匹配出来的答案不一样，甚至召回失败？进来看看！

作为一个前端开发人员，突然接到一个看起来很“硬核”的任务——开发一个户型图识别系统。这可不是个小任务，因为涉及到图像识别、模型训练，甚至还可能需要处理大量的数据。但别担心，我来带你一步步搞定它！

模拟场景：一次性上传一个文件夹里的1000张图片，总大小高达10GB😭 这可不是个小任务，因为图片不仅数量多，单张大小还可能接近10MB。这就需要好好设计一下，确保整个过程既流畅又稳定，还能容错。

我们通过一个 `WS` 类来封装 WebSocket 的所有操作。这个类不仅管理 WebSocket 的生命周期，包括连接、消息处理、断线重连，还处理心跳检测来保持连接的活跃性。