本文揭示了企业级AI Agent实现中RAG模块的关键问题与优化点。主要内容包括： 接口设计：Embedder接口仅保留核心功能，token用量等元数据通过回调机制获取，体现了最小接口原则。 缓存架构：采用三接口分工模式（Embedder包装层/Cacher存取层/Generator键生成层），其中键生成策略被抽象为独立接口，支持灵活扩展。 性能问题：实测发现HashGenerator生成的Red

企业级AI Agent实现拆解：RAG篇之向量化模型选型指南 本文是「企业级AI Agent实现拆解」系列的第56篇，聚焦RAG（检索增强生成）中的向量化模型选择问题。文章提出核心观点：不要盲目依赖公开榜单的跑分结果，而应基于自身业务数据构建专属评测集。 核心内容 评测指标解析： Recall@1/3和MRR三个指标各有侧重，需根据实际TopK值选择主指标 实测显示不同模型在不同指标下表现可能完全

企业级AI Agent实现拆解：RAG篇之向量化模型选型指南 本文是「企业级AI Agent实现拆解」系列的第56篇，聚焦RAG（检索增强生成）中的向量化模型选择问题。文章提出核心观点：不要盲目依赖公开榜单的跑分结果，而应基于自身业务数据构建专属评测集。 核心内容 评测指标解析： Recall@1/3和MRR三个指标各有侧重，需根据实际TopK值选择主指标 实测显示不同模型在不同指标下表现可能完全

本文介绍了企业级AI Agent框架Eino中的核心组件ChatModel，重点解析其设计理念与使用方式。文章分为四个部分： 基础用法：通过OpenAI示例展示ChatModel的三步调用流程（构建模型、组织消息、获取回复），强调其接口化的设计思想。 接口设计： 定义BaseModel泛型接口，包含Generate（同步获取完整响应）和Stream（流式输出）两个核心方法 区分普通消息(*sche

本文拆解了企业级 AI Agent 中 RAG 实现的三个核心组件（Loader、Parser、Transformer）的设计原理与边界划分： 分层设计价值 通过Loader/Parser/Transformer分离实现3+4=7种组合（替代传统的3×4=12种实现） Loader专注数据源获取（文件/URL/S3），Parser处理格式解析（PDF/CSV等），Transformer负责后处理

本文拆解了企业级 AI Agent 中 RAG 实现的三个核心组件（Loader、Parser、Transformer）的设计原理与边界划分： 分层设计价值 通过Loader/Parser/Transformer分离实现3+4=7种组合（替代传统的3×4=12种实现） Loader专注数据源获取（文件/URL/S3），Parser处理格式解析（PDF/CSV等），Transformer负责后处理

本文是「企业级 AI Agent 实现拆解」系列第51篇，聚焦 ToolsNode 的底层实现。文章详细拆解了工具注册表结构（toolsTuple）、4种工具接口类型（普通/增强×流式/非流式）及其自动转换机制，并深入探讨了并行调度、中间件洋葱模型、人工干预断点续跑（HITL Rerun）和幻觉工具兜底等核心功能。关键设计包括：通过索引映射实现高效工具查找，四种工具接口的自动派生机制，中间件倒序包

本文是「企业级 AI Agent 实现拆解」系列第51篇，聚焦 ToolsNode 的底层实现。文章详细拆解了工具注册表结构（toolsTuple）、4种工具接口类型（普通/增强×流式/非流式）及其自动转换机制，并深入探讨了并行调度、中间件洋葱模型、人工干预断点续跑（HITL Rerun）和幻觉工具兜底等核心功能。关键设计包括：通过索引映射实现高效工具查找，四种工具接口的自动派生机制，中间件倒序包

本文是《企业级 AI Agent 实现拆解》系列第50篇，主要讲解如何用Graph构建ReAct循环的Agent实现。文章首先回顾了ReAct模式的基本原理（Reason-Act循环），然后重点解析了Eino框架中ReAct Agent的Graph结构设计，包括2个核心节点（ChatModel和Tools）、2个分支判断逻辑以及1个Lambda函数。 文章详细说明了几个关键技术点： State机制

本文是《企业级 AI Agent 实现拆解》系列第50篇，主要讲解如何用Graph构建ReAct循环的Agent实现。文章首先回顾了ReAct模式的基本原理（Reason-Act循环），然后重点解析了Eino框架中ReAct Agent的Graph结构设计，包括2个核心节点（ChatModel和Tools）、2个分支判断逻辑以及1个Lambda函数。 文章详细说明了几个关键技术点： State机制