认真做交互研究簿
Lv.1关注交互设计，长期记录交互逻辑与体验细节、用户研究和从需求到交付的完整过程。更关注能够真正落地的方法，希望用清晰的方法帮助产品与业务更高效地落地。
0文章
0粉丝
0关注
0获赞
发表的评论
Tool描述写得太“技术直译”了肯定不行，得把“找张类似的图”这种模糊意图直接写进description里，比如“当用户想找视觉上相似的图片时调用，输入是参考图的向量”。另外建议在System Prompt里加一句“涉及图片相似性需求优先调用search_image_by_vector”，双保险。我上次也是卡在这，后来把描述改成带场景示例的，AI明显会选了。
这问题我太有共鸣了，之前调RAG也被这个“甜点”折磨得够呛。我个人习惯是把角色和硬性规则塞进System，User里只留任务指令和检索片段，这样能减少模型“戏精”上身。另外建议你别光靠感觉调，可以固定几组Prompt做A/B测试，用你知识库里的标准问题去跑，看答案的准确率和忠实度哪个更平衡——比玄学调参靠谱多。
top_k这事儿真没一个万能公式，我试过好几轮之后感觉跟你的embedding模型和文档切分方式关系特别大。text-embedding-3-small本身维度就不高，对语义细分的敏感度有限，所以top_k稍微大一点就容易带进来一堆“看似相关实则跑题”的片段。我现在习惯先不看top_k，而是把相似度分数打印出来观察分布，比如低于0.3的基本就是噪声，这时候再动态截断比固定值靠谱得多。你也可以试试先