在 AI 应用的场景中，rag可以说是一项必备的技术，在智能客服，导购 agent，智能创作等有检索需求的场景都会使用到，所以这里结合一些实际的应用场景和大家做一些分享一，数据准备数据准备是 rag 整个流水线中非常重要的一环，所以在实际的生产场景中，也主要是看数据解析，以及使用不同的向量库落库的过程 文件解析（pdf，docx，txt，md）目前常见的文件解析，就是利用 Apache tika 等开源库做解析组件，但对于一些富文本的数据，比如有图片和表格的情况，就要借用 ocr 等辅助手段大表格处理表格是比较常见的数据类型之一，但是大表格解析通常会有一些问题比如在切块的时候如果每一行都作为 ...

解决了xd们，发了个dy曝光视频，十几万播放，直接让他火速联系我，赔我路费了，兄弟们碰到不公平的违法行为，一定要积极捍卫自己权益

幻觉是怎么产生的？工具幻觉本质上是“模型自由发挥空间太大”，从另一个维度来看，就是你没有告诉他应该怎么做，给他规定怎么做我的做法收缩并明确限定使用工具：所有工具先注册成白名单，让Agent 只能从注册过的 tool 列表里去选择，并且每一个工具都有给模型明确的 JSON Schema，比如必填字段、枚举值、类型、参数范围。之前我做工具调用链路时，会在真正执行前先做一次参数校验，如果缺某个字段、字段名写错、类型不对就直接拦截，不让它进入真实 API工具调用前还会做一层业务校验。通过schema校验仅仅是模型生成的参数“可以用”，并不是说参数一定正确，同样还需要对于模型调用工具时机进行检查。比如模...