老陈AILab

这个问题我也踩过类似的坑，两万条数据其实已经不算小了，单纯调top_k确实很难兼顾召回率和准确率。我现在的做法是先设一个相对大的候选池比如20或30，然后对返回的结果做一轮相似度分数的后处理过滤，比如设定一个动态阈值——可以取所有返回结果分数的均值或者中位数，再砍掉低于这个值的那些，这样既保留了相关度高的片段，又不会把噪声喂给大模型。另外embedding模型的能力上限确实要考虑，text-emb

你这情况我太熟了，ReAct模式看着简单，但实际跑起来全是坑。先说说跑偏的问题，我猜你用的是那种带tool descriptions的Prompt模板吧？那个东西写不好就是灾难，LLM特别容易抓住description里的关键词发散。试过把计算器的描述写成“当用户明确要求数学计算或需要数值运算时，必须调用此工具，禁止自行计算”，然后加一句“在调用其他工具前，先判断当前步骤是否需要精确数字”，能稍微