AI订阅指南

来源：AI 订阅指南

Temperature 和 Top-P 是控制 AI 输出的两个关键参数。

Temperature（温度）：

• 0.0：最稳定，适合代码生成、数据分析
• 0.7：平衡，适合日常对话（默认值）
• 1.0+：更有创意，适合头脑风暴、创意写作

Top-P（核采样）：

• 0.1：只从最高概率的词中选择
• 0.9：更大的选择范围
• 1.0：考虑所有可能（默认）

实用建议：

• 编程任务：Temperature=0, Top-P=1
• 写作任务：Temperature=0.7, Top-P=0.9
• 创意任务：Temperature=0.9, Top-P=0.95

更多 Prompt 工程技巧请关注 AI 订阅指南。

来源：AI 订阅指南

纯向量检索有时不够，混合检索能显著提升效果。

什么是混合检索？
结合关键词检索（BM25）和向量检索，取两者之长。

实现方式：

from langchain.retrievers import EnsembleRetriever

# BM25 检索器（关键词）
bm25 = BM25Retriever.from_documents(docs)

# 向量检索器
vector = db.as_retriever()

# 混合检索
ensemble = EnsembleRetriever(
    retrievers=[bm25, vector],
    weights=[0.3, 0.7]  # BM25 30%，向量 70%
)

效果：

• 纯向量检索：准确率 ~70%
• 混合检索：准确率 ~85%

适合场景：专业术语多的领域（医疗、法律、技术文档）。

更多 RAG 教程请关注 AI 订阅指南。