数据库正在思考的程序员

RAG检索增强生成优化：从384维到1024维，召回率提升23%的调优记录

本文记录了一个企业知识库RAG系统的真实优化过程。初始方案采用固定512字符切分+bge-small-zh（384维）+向量检索，在200条测试集上召回率仅61%。通过改用语义切分、切换bge-large-zh-v1.5（1024维）、引入bge-reranker-base重排序三个阶段迭代，最终Recall@5达到84%，MRR从0.52提升至0.79。文中包含完整可运行代码、参数配置与踩坑细节

AI 18天前 ◉ 33 ♡ 1

LoRA微调Qwen2.5-7B全记录：数据构造、rank选型与loss曲线复盘

本文记录了我在单卡A100 40G上使用LoRA/QLoRA微调Qwen2.5-7B-Instruct的完整过程。训练数据为1.2万条垂域问答对，采用4-bit NF4量化+LoRA（r=16, alpha=32），约3小时完成2个epoch，最终显存占用从78GB降到14.6GB，eval_loss从1.42降到0.87。文中包含可运行代码、loss曲线解读、踩坑记录，以及微调前后在50条测试集

AI 23天前 ◉ 54 ♡ 1

我用12组Prompt对比测试，把电商评论分类准确率从78%提升到94%

同一个文本分类任务，只改Prompt不换模型，效果能差多少？我以电商评论情感分类为例，用GPT-4o-mini和Claude 3.5 Haiku做了12组Prompt对比实验。结果显示：零样本Prompt准确率仅78%，加入角色设定+少样本示例+结构化输出约束后提升至94%，同时单次token消耗从320降至210，月成本从$43降到$28。本文完整记录了实验设计、代码实现、踩坑细节和性能数据，供

AI 2026-09-11 ◉ 144 ♡ 23

RAG准确率从68%到91%：chunk重构、Embedding换血与Rerank落地的全记录

三个月前，我负责的智能客服知识库RAG系统在200+真实问询测试集上命中率只有68.2%，Top-3召回率不足80%。排查发现，罪魁祸首是固定的256 token分块把技术文档中的表格和代码切得七零八碎；其次，老旧的`text2vec-large-chinese`在语义匹配上严重拖后腿。本文记录了完整的优化链路：针对文档结构定制Markdown感知分块器、切换至BGE-large-zh（v1.5）

AI 2026-09-07 ◉ 124 ♡ 19