这套问答靠的不是把录音直接塞给模型,而是先把内容整理成可检索的文字,再让模型按问题取用。立正强调的积累方式是文件、流程和调度三层,不是一次性堆资料。
AI根据立正公开的文章和视频整理,不是他本人回复。重要的判断,请回到出处核对。
先把内容变成可检索的文字,再按问题取片段
你问的“基于录音、课程、视频的文字检索回答”,公开片段里没有讲具体工程实现,所以只能说到这一步:先把音视频转成文字,再让系统按问题找到相关段落,交给模型组织回答。立正转述的RAG流程是“分块、向量化、检索”,但他同时说这套固定流程是2023年上下文窗口小、模型不太会调工具时的产物,真正要学的是信息检索本身1。所以结构化有用,但不是必须做成复杂向量库;关键是文字可被找到、片段能对上问题。
要积累的是文件、流程、调度三层
材料里的观点立正把积累拆成三层:文件是“有什么信息”,也就是context;skill是“如何去做”的流程和判断;resolver是遇到任务时决定调用哪些文件和流程2。他还说,人的context大多散在聊天工具、会议、日常聊天和文档里,给企业培训时很多工作就是把这些context组织好、沉淀好、管理好2。这回答了“需要跟整体说什么”:不是写一段总说明,而是持续把素材、做法和调用规则分别存下来。
结构化是为了复利,不是为了一次性问答
材料里的观点立正说用agent方式比Chat方式能积累复利,很大一个实现方式就是通过文件:让AI把做完的东西总结成Markdown、总结成Skill存着,乱了再让AI整理3。他用做PPT举例:第一次和第十次用ChatGPT差不多,但用agentic工具做到第十次,本地已有工具、审美模板、企业培训资料和个人洞察,说两分钟就能出稿,只需改百分之五3。这是他的经验判断,不是对任何资料库都成立的保证;能否复利取决于你是否持续存下文件和流程。
公开片段没有给出这套问答系统的具体技术栈、分块参数或检索实现,只能按立正对RAG、文件和skill的一般说法解释。《从焦虑到上手》2、《从焦虑到上手》3中部分相邻发言标注为未确认,未用于归属判断。
出处
- 1AI替你做出来以后,你还会什么?|哥大客座课程回放
立正转述RAG的固定流程及其时代局限,并指出真正要学的是信息检索。
- 2从焦虑到上手: 白领/投资者的AI实战第一课【串台课代表立正】
立正说明文件、skill、resolver三层,以及context需要组织沉淀。
- 3从焦虑到上手: 白领/投资者的AI实战第一课【串台课代表立正】
立正用PPT例子说明通过文件积累复利,以及Markdown和Skill的存法。
你也有想问的?
卡住的时候,问问立正:回答附有出处,可以点回原文核对。
也可以接着问:
别人还问了
- RAG存储以及检索怎样做到更高召回率,更精准的回答结果
召回率和精准度不是靠调一个参数解决的,而是先想清楚“用户问什么、该召回哪几段”,再决定切分、是否转文字和检索方式;多模态内容不必全部转文字。
- 大概50万份非结构文件数据库,比如pdf, word,应该如何快去检索其中的具体信息?
50万份非结构化文件,先别急着搭固定切片检索流程;更值得先试的是保留文档结构、让AI按问题自己选文件和搜索,再决定要不要上向量库。
- 这个课干啥的
这是一门教人真正把 AI 用进工作与项目的课,重点不是软件操作步骤,而是提需求、判断与动手做的能力;另有一门一小时小课供先试。
- 课代表在223年写的一篇文章里面有讲包括大语言模型是怎么来的呀?介绍这些背景资料的
按现有片段,无法确认“课代表”在2023年写过介绍大语言模型由来的文章;能确认的是立正在2023年有两份公开讲解,分别从生成模型原理和范式变化切入。
- 前辈想请我付费帮她做一档播客,我很愿意采访,但觉得采访完之后的剪辑和发布比较麻烦。一方面我觉得 AI 应该可以把后期做的不错,但实际上我自己的播客后期一直没有弄的很丝滑。我不太知道怎么判断这件事合适。我想的是,我可以收很低的费用,只负责采访。或者用相对高一些的费用,把采访和后期都接了。不太想接负责找外包剪辑同学以及和外包同学沟通,之前自己试过比较麻烦。
按你的约束,更稳的是低价只接采访,把后期排除在承诺之外;若想连后期一起接,就应把外包剪辑和沟通成本算进报价,而不是假设 AI 能替你消化。
- 如何做好 data agent?
做好 data agent 的关键不在模型多强,而在先把数据关系建模成图、在生成查询外加一层审计纠错,并把上线后的持续调优当成常态。