sshipanoo

01. 评判一个 Agent,你到底在评判什么

在说一个 Agent 好不好之前,先得把好这个字拆开——为什么 Agent 比模型难评测,以及该看哪五个维度

固定长度、按段落、递归、语义切分、结构化文档处理——RAG 里最容易出问题的环节，把每种方法的取舍讲透

从模型效果、距离度量、文本分块到向量库选型，讲清 Embedding 方案里真正影响召回的地方

一位画师用一支看起来只有黑色的笔,画出了五种颜色——讲清神经网络内部最让人着迷、最难解的一种现象

OpenAI text-embedding-3、BGE-m3、M3E、Voyage、Jina、Cohere——把这些主流模型的优劣、价格、部署成本一次讲清楚

Few-shot、CoT、JSON Mode、模板管理与评估方法，讲清 Prompt 为什么应该被当作工程资产

两个棋艺相当的高手,一位静坐如山,一位边下边自言自语;后者赢了——讲清现代大模型最神奇的一个能力放大器

把 embedding 放回它的历史位置：one-hot、TF-IDF、word2vec、RNN/LSTM、attention、Transformer、BERT/GPT、LLM——每一步解决了什么、留下了什么

从错误分类、抖动退避、Token 成本到并发限流和多模型适配层，把 LLM API 从能跑通调到能上线

一个老农一辈子记录雨水和湖面,发现两者之间居然有一条精准的曲线——讲清现代大模型能力增长背后的那个'数字律法'