LYQC23的个人小站

Welcome to Hexo! This is your very first post. Check documentation for more info. If you get any problems when using Hexo, you can find the answer in troubleshooting or you can ask me on GitHub. Quick StartCreate a new post$ hexo new "My New Post" More info: Writing Run server$ hexo server More info: Server Generate static files$ hexo generate More info: Generating Deploy to remote sites$ hexo deploy More info: Deployment

最近花了 14 天（每天 2 小时），用 RAG 技术搭了一套企业内部知识库问答系统。这篇文章把整个过程梳理了一遍，包含完整的逻辑流程图、核心代码片段、以及我在实践里踩过的坑。 背景我是一名在企业做系统导入和管理的 IT 人员，日常工作经常要查阅大量内部文档（制度、流程、规范）。每次都要打开文档翻半天，效率很低。 大型语言模型（LLM）虽然能回答问题，但它的知识截止于训练数据，无法知道企业内部的具体制度。如果直接把文档喂给大模型，又有 Token 限制——一次塞不了太长文本。 这就需要用到 RAG（Retrieval-Augmented Generation，检索增强生成） 技术。 什么是 RAGRAG 的核心思想很简单：不要让大模型凭记忆回答，而是先检索，再回答。 对比传统方法： 方式 做法 问题 直接问大模型 “报销流程是什么？” 大模型不知道你公司制度 把文档塞进 Prompt “根据以下文档回答问题：……” 文档太长会超出 Token 限制 RAG 先搜索相关片段，再把片段给大模型 既知道内容，又不超限制 核心流程拆解第一步：文档切片（Docum...

最近抽时间做了一件挺有意思的事：用多智能体（Multi-Agent）的方式，搭建了一个模拟互联网公司协作流程的 AI 编排系统。 先说说为什么想做这个。现在单次 LLM 调用的能力已经很强了，但真正落到实际工作中，你会发现几个痛点：一次性输出缺少迭代打磨、缺乏角色视角导致内容泛化、没有质量控制机制。而多智能体编排，恰恰能解决这些问题。 设计思路：模拟真实团队协作我想象了这样一个场景——输入一句模糊的产品需求，系统里三个 AI 角色自动协作，输出一份完整的 PRD 和项目计划。 三个角色的设定是这样的： Amy —— 总架构师，负责分发任务、审核质量、控制流程 Sam —— 产品经理，从模糊需求中提炼 PRD Tom —— 项目经理，基于 PRD 制定可落地的项目计划 协作流程也很直接：用户输入需求 → Amy 给 Sam 派活 → Sam 写 PRD → Amy 审核（不通过就打回修订） → Amy 给 Tom 派活 → Tom 写计划 → Amy 审核 → Amy 最终总结。 就这样，一条完整的交付链路就跑起来了。 遇到的第一个坑：CrewAI 装不上说点实际的。我最初是想...