最新

我制作了这个小型的 Linux 命令行工具，它的功能是管理你想要快速记住的简单事项，比如密码、命令或想法，这些是你可能需要记录下来的东西。<p>它的工作原理是允许你创建像类别一样的文件，每个文件都有自己的记忆列表，每个记忆都有自己的关键词，当你需要时，可以使用这些关键词来搜索记忆。<p>这个项目的创建有两个原因，首先是出于个人需要，我需要一个工具来记住我偶尔会用到的一些 Linux 命令。我知道我可以搜索一些类似功能的工具，但我希望通过这个项目来学习 shell 脚本，而且不使用第三方库，这样它应该可以在大多数 Linux 发行版上原生运行。<p>我欢迎贡献，如果贡献中包含注释，那就更好了。

在这篇文章中，我们记录了一些实验的结果，比较了原始的图 RAG（仅单次 text2cypher）与路由代理图 RAG 方法，后者可以调用向量搜索工具以及 text2cypher。路由代理使用 LLM 来决定调用哪个向量搜索工具，这取决于问题中识别出的术语，并且效果很好。 结果表明，像 `gpt-4.1` 这样的最新前沿 LLM 和可靠的“老将” `gemini-2.0-flash` 能够可靠且可重复地生成高质量的 Cypher 代码，只需进行一些提示工程，以确保图模式在 text2cypher 提示中格式良好。在一组包含 10 个测试查询（这些查询适度复杂，需要从知识图中检索路径）中，当将路由代理添加到工作流程以增强原始图 RAG 时，`gpt-4.1` 和 `gemini-2.0-flash` 通过了所有测试，生成了正确的答案。 提示工程使用 BAML 完成（一种编程语言，可以简化提示 LLM 并从它们那里获得结构化输出，适用于所有实验）。事实上，知识图本身是使用 BAML 提示构建的，这些提示从上游的非结构化数据中提取实体和关系。 此工作流程的下一个逻辑步骤是构建更复杂的代理循环，这些循环可以运行多步 Cypher 查询，其结果可以合并以回答更难的问题（类似于人类处理问题的方式）。测试和评估的一般原则也适用于此。 看来进一步探索这些方法很有前景！