AI 记忆、RAG 与上下文管理是什么关系?
从个人学习助手出发,区分对话历史、用户画像、任务状态、RAG 与长期记忆,建立可用于 Java 后端设计的职责边界。
按发布时间倒序排列。
共 25 篇文章 · 当前 11–20 篇
从个人学习助手出发,区分对话历史、用户画像、任务状态、RAG 与长期记忆,建立可用于 Java 后端设计的职责边界。
沿着召回、过滤、重排与上下文装配定位记忆使用失败,用 Java 词项检索演示有效性约束,并说明混合检索和 Token 预算的扩展方式。
以技术背景变更和学习目标删除为例,说明补充、替换、有效时间、版本历史、幂等收据与删除传播,并用 Java 验证关键边界。
用同一份测试素材生成三档 HLS,解释轨道映射、关键帧对齐与清单校验,再用 Java 21 管理 FFmpeg 的退出、超时和输出边界。
以视频处理流程为例,解析 Rill Flow 的输入输出映射、上下文作用域、条件分支与并行汇合,理解流程结构正确之外还需要维护哪些数据约束。
从一个已有转码服务的接入过程出发,说明 Rill Flow 的任务派发、异步完成协议与运行治理,建立执行器契约、过载处理和排障所需的基本认识。
将视频处理流程迁移为文档与模型调用链路,分析 Rill Flow 可以复用的编排机制,以及输出校验、质量评估、调用预算和动态循环需要补充的设计。
从重复回调、派发异常和进程退出出发,分析 Rill Flow 的状态保存、加锁与重试路径,区分引擎状态推进和业务副作用的可靠性边界。
从视频处理中的依赖、异步等待与部分失败出发,对比 Airflow、Flowable、Temporal 的执行模型,理解工作流的核心机制,以及 Rill Flow 的设计选择与适用边界。
从一个可生成的测试视频出发,区分编码、封装和传输,理解码率、GOP、PTS/DTS 与音画同步,并用 ffprobe 建立流媒体排障的第一组证据。