ETF Agent 作者拆解 RAG 全链路分工
热点事件历史事件
ETF Agent 作者拆解 RAG 全链路分工
1 篇报道1 个报道来源11 天前更新
先了解这件事
AI 综述
ETF Agent 作者发布 RAG 全链路讲解，把检索增强生成拆成知识构建、在线检索、证据消费与交付、评测与治理四条链路，并以一份 2023 年基金公告的受限检索核对为例，说明每条链路各自会丢失哪些事实。 文中给出的做法包括：权限过滤先于 Top-K 生效、词法召回与向量召回用 RRF 按名次融合、精排器只在已获准候选上重排，以及把披露资格复核放到实际提交环节。 作者同时说明，公开教学仓库 Open ETF Agent 目前只提供合成文档的受限词法检索、原页回读和来源关联报告等较小切面，不能据此认为私有系统的全部 RAG 体系已可在开源仓库直接复现；读者可从固定的 v0.15.0 词法检索实现与运行说明入手，观察最小版“候选—原文—报告”之间的关系。
AI 根据报道生成 · 11 天前更新
最新进展11月4日 21:30
ETF Agent 作者拆解 RAG 全链路：从知识入库到可信回答如何分工报道时间线
沿着报道，了解事件的不同侧面。
11月4日
- 掘金ETF Agent 作者拆解 RAG 全链路：从知识入库到可信回答如何分工
作者以一份 2023 年基金公告的受限检索核对为例，把 RAG 拆成知识构建、在线检索、证据消费与交付、评测与治理四条链路，指出每条链路各自会丢失什么事实。文中给出的做法包括权限过滤先于 Top-K 生效、词法召回与向量召回用 RRF 按名次融合、精排器只在已获准候选上重排，以及把披露资格复核放到实际提交环节。