RAG & Document AI
复杂文档解析、结构保护、混合检索、重排与评测闭环。
我更关心一个问题:模型能力如何进入真实系统。写作会沿着 RAG、Agent Runtime、评测和工程边界持续展开。
复杂文档解析、结构保护、混合检索、重排与评测闭环。
状态、工具调用、审批、事件日志和可观测性,而不是循环调用模型。
用任务集、trace、人工审核和指标体系判断 AI 系统是否可靠。
权限、延迟、失败归因、成本和维护边界,决定模型能力能否上线。
这里预留一个视觉展示区,用来承载项目截图、架构图、工作现场照片或你想长期展示的代表性图片。
一个生产级 Agent Runtime 还需要状态、审批、工具、事件与可观测性。
RAG 分块中的表格、代码块与图片保护在复杂文档处理中保护语义结构,而不是简单按长度切分。
复杂文档解析、切分、检索、重排与评测。
状态管理、工具调用、人工审批、日志与可观测性。
任务数据集、trace 分析、答案质量和可靠性验证。
权限、延迟、失败归因、成本与可维护边界。
我的工作重心从模型能力本身,逐渐转向模型如何进入真实业务系统:数据、权限、流程、评测和工程边界,往往比一次模型调用更决定产品质量。