苏三的开发日记

本文档主要整理 Redis、RabbitMQ、RocketMQ、Kafka 在消息队列场景中的常见实现方案，包括：消息不丢失、延迟队列、顺序消费等核心问题。

RAG不是把整篇文档直接丢给大模型，而是先把文档切成多个小片段： 切片质量会直接影响： 影响点 说明 检索准确率 切得太碎，语义不完整；切得太大，噪声多。

多模态 RAG 的本质是把文本、图片、表格、音频、视频等不同类型数据，先解析成可理解、可检索、可追溯的知识片段，然后通过向量检索、关键词检索、结构化查询等方式找到相关内容，最后让LLM生成答案。

RAG 的本质：用检索系统给大模型提供可靠上下文，让大模型基于真实资料回答问题。RAG 的主要优势：解决知识时效性问题、减少模型幻觉、提升垂直领域问答质量、增强可解释性、降低微调成本。

Embedding 是把文本、图片、音频、商品、用户行为等数据转换成固定维度的数字向量。 向量数据库 是专门存储这些向量，并支持按“语义相似度”快速检索的数据库或检索系统。

OpenClaw是一个自托管的个人 AI 助理网关，可以把 飞书、微信、QQ、WebChat 等聊天入口连接到本地或服务器上的Agent。

function call是让大模型在一次对话里使用，MCP 是一个统一协议，让模型客户端和外部系统之间，能标准化地发现并使用工具。

多模态 = 让 AI 像人一样，同时看、听、读，并把不同信息联合理解。市场上的多模态模型如Gemini，GPT, Qwen等。

视觉识别更偏向于感知层。 它主要解决的是： 图里有什么物体。视觉推理基于视觉识别，基于此进行一些推理工作。