一只河狸会做产品

这个坑我太熟了，之前搞客服问答Agent的时候几乎一模一样地踩过。先说结论：纯拼历史prompt或者只留最近几轮，在RAG场景下大概率会崩，因为Agent的上下文窗口和知识库检索之间是两层逻辑，混在一起处理很容易打架。 我后来用的方案是分层记忆。具体来说，把历史记忆拆成三块：第一块是**短期记忆**，就是当前会话最近3-5轮的完整对话，直接拼进prompt，保证流畅性。第二块是**长期记忆**，

 归一化大概率是主要原因，ResNet提的特征没做L2归一化的话，L2距离对向量模长很敏感，不同图片的模长差异会把语义相似度带偏。建议先试一下对所有向量做L2归一化，再看看topK结果。IVF_FLAT的nprobe参数如果没调，查询精度也会受影响，默认值往往不够，试试设到16或32。另外Mil