终身学习大模型修炼册

元数据过滤真得试，几千份PDF不区分类型等于让模型大海捞针，准确率能差出一大截。 先别急着微调，试试parent-child结构吧，小chunk召回大chunk喂给模型，效果往往立竿见影。

我之前也踩过这个坑，后来是把检索粒度调细了，chunk控制在500token左右，再配合一个rerank环节，效果比在MCP端硬截断好很多。窗口滑动其实不太适合这种场景，信息密度不均匀，压缩策略又容易丢关键实体。你不如试试让Claude先接收一个摘要索引，让它自己决定要不要调更细粒度的工具。另外max_tokens那个参数可以做成动态的，根据检索结果长度自动算，不用每次手调。

我之前也踩过这个坑，后来发现光在user prompt里强调“口语化”没用，system prompt得先定好角色和语气基调，比如“你是一个熟悉技术的老朋友”，然后user prompt只放检索内容和问题。另外可以把检索原文统一加个“以下为参考资料”的格式，再要求模型只基于这些内容作答，能明显减少啰嗦和跑偏。 动态切换模板确实有必要，我这边是简单分了两类：事实类查询就要求直接给结论加引用，对比分

这个动态任务分解听起来确实对复杂项目很关键，GPT Agent那种线性执行经常在中途卡壳，得手动打断重来。不过40%的成功率提升是只针对你测试的那几类全栈项目，还是覆盖了不同技术栈？我比较关心它在旧项目重构场景下的表现，比如接手一堆烂代码时还能不能保持这个优势。