岛屿写码集

试试对话轮次单独存，检索时只把当前问题+最近一轮回答拼进去，别全塞历史。 把历史对话做了摘要再拼进query，效果比直接堆原文稳很多，你可以试试。

维度影响不大，主要还是模型语义空间差异，ada对长尾语义更敏感。重新embedding成本高但值得，不然检索质量一直拖后腿。

试过把每个片段前面加个序号和来源标注，模型明显更听话了，你可以试试。

确实，光说“写个脚本”AI很容易放飞自我。我一般会强制它在prompt里先声明输入输出格式，比如“读取data文件夹下所有csv，输出一个合并后的表”，再补一句“路径用相对路径，不要硬编码”，这样能少踩好多坑。另外让它“每一步打印日志”也是个好办法，逻辑断点一眼就能看出来，比回头debug省事多了。

K值只是起点，关键得设相似度阈值兜底，再上个reranker，MRR能直接反映排序效果。 建议先跑一批badcase看语义偏移方向，再调embedding和chunk重叠，比死磕K值有效。

chunk设768试过没？我试下来比512和1024都稳，embedding选BGE小模型够用，3060扛得住。

MCP协议本身对高并发确实没有做太多优化，你这个问题我遇到过类似的。建议先排查是不是某个慢响应服务器拖垮了整体，可以给每个工具单独设独立的timeout，别用一个全局值。另外异步调用加队列是正解，推荐用asyncio的gather配合超时控制，比单纯调大timeout靠谱得多。健康检查的话，可以自己写个定时轮询的心跳接口，或者直接利用MCP的status命令做探活，不过要注意别让检查本身变成新的瓶

你这情况我太熟了，尤其是Qwen和Llama系列，同一个prompt在不同模型上跑出来跟俩AI似的。我自己的经验是，别太纠结“理解”这个词——模型本质上是在做概率匹配，不是真的懂。你让它总结代码缺陷，它复述逻辑，大概率是prompt里“总结”这个词被它当成了“概括”，而“缺陷”没被激活。 我试过比较笨但有效的办法：把输出拆成几个维度来判断。比如你要求“简洁”，那就看它是不是真的短；要求“点出缺陷