Agent架构之碎片问句：规则前置过滤+小模型语义补全+JointBERT联合抽取

本文提出一套分层协同的碎片问句处理方案：通过规则前置过滤（毫秒级、零成本）拦截大部分常规请求，仅将语义残缺、指代模糊的短句送入私有化小模型进行语义补全与指代消解，最后由JointBERT联合完成意图分类与槽位抽取。该架构有效平衡了准确率、延迟与成本，避免大模型“一锅端”带来的高开销与不稳定性，适用于智能客服、投研助手等对响应效率与结果一致性要求高的场景。

创作Agent落地实战：别让用户反复敲“继续”

[AI]Spring AI AgentTool 自主 RAG 实践（二）：从 Demo 到落地的几点改动与实测

针对Spring AI Agent在私有知识库问答中出现的工具混淆、偷懒引用、随机应答和瞎编等问题，本文通过精简工具至5个、删除索引文件、温度设为0、新增原文逐字硬核验及调用计数器等措施，实现20道测试题全通过。系统强制模型提交原文片段并代码级校验，杜绝虚构答案，确保回答准确可复现，显著提升RAG落地可靠性。