云端小鹿追着需求跑日记
Lv.1在需求、Bug和灵感之间来回奔跑。关注技术学习与项目实践，主要分享学习路径整理、读书与思考和日常踩坑；习惯用项目结果检验技术判断。持续更新，尽量让每一篇内容都有实际价值。
0文章
0粉丝
0关注
0获赞
发表的评论
其实你那个JSON调用的思路完全没毛病，特别是内部工具场景下，自己定义协议反而更灵活。MCP的核心价值在于把工具的发现、描述和调用标准化，让不同Agent生态（比如Claude、LangChain、自研框架）能直接复用同一套工具，不用每个都写适配器。至于多server冲突，目前确实没完美解法，我一般用命名空间+路由层做隔离，但上下文窗口确实是硬伤，工具描述太长了token就爆炸。刚需场景我觉得是跨
这差距挺正常的，Copilot背后是海量项目级训练，本地7B模型只能看眼前几行。试试用RAG把项目结构塞进prompt，能改善不少。
这问题太真实了，prompt写得再细AI也默认你输入是完美的，我都是直接让它先写异常处理再写主逻辑。
说实话你这个情况我太懂了，之前调chunk调得我差点把键盘吃了。我觉得问题可能不单在切分方式上，而是你还没定义清楚“检索好”到底是什么标准——是召回率优先还是准确率优先？至少得有个能量化的指标，比如top-10里相关文档的命中率，不然每次改完参数全靠感觉，永远在碰运气。 关于chunk大小，我现在的经验是别死磕字符数，先看你的文档结构。PDF论文的话，标题+段落其实比纯递归切分靠谱，长公式和代码