/3,031 字/阅读约 11 分钟
修 5 坏 2，还是修 3 坏 0？——一次 55 题的多路召回实验，与两个能亲手操作的复盘页
给检索链路补一条字面路（BM25）去修专名盲区：55 题实测，两条路全程都开能多答对 5 题、但也弄坏 2 题；改成「查询点了名、且语义路确实没找到」才补路，则多答对 3 题、零回退。本文记录四配置对比、λ 的两次扫描（含一个被数据否决的方向）、以及一条必须诚实标注的「不算数的修复」，文末附两个无需后端、离线的交互式复盘页。
共 3 篇
Chromadb
- /4,949 字/阅读约 18 分钟
把 143 块拆到 45 块：一次 RAG 分块重构，和它揭出来的评测陷阱
把一句 RecursiveCharacterTextSplitter(1000, 200) 换成「清洗 → 画像 → 分层 → 校验 → 回退」的自适应分块器，全库 1959 → 1120 块、HTML 残留 38.3% → 0%、单篇最多块数 143 → 45。但改起来容易、证明它变好很难：A/B 显示六个检索配置全部正向，同时也让「多路召回 +11.1%」缩水到 +2.2pp——原来那部分增益是在补偿脏文本，不是互补召回。本文连同评测自身的三个陷阱（wall-clock 时间窗、judge 随机失败、n=18 时符号会翻）与一次生产语料重建的前置验证一起记录。
- /2,534 字/阅读约 9 分钟
RAG 链路全解析：从文档入库到混合记忆的实战架构
详述 RAG（检索增强生成）的完整技术链路，包括文档入库、向量化、召回重排、Prompt 拼接，以及基于 Node.js + ChromaDB + SQLite 的三层混合记忆进阶方案。