本文作为系列收官篇，复盘电商评论分析项目中的工程经验、现存不足和未来改进方向，并探讨如何将 BERT 分类能力与大模型的生成、RAG、Agent 能力结合，升级为完整的 LLM 应用。

本文介绍了一个高效RAG问答系统的架构设计与实现，采用5层解耦架构（前端层/API层/编排层/RAG核心层/基础设施层）。核心创新在于双层Pipeline设计：第一层使用BM25+Softmax归一化实现FAQ精确匹配（命中率62%，响应50ms），第二层处理复杂问题的完整RAG流程。系统通过Redis双重缓存、热门问题预存、意图识别（规则+LLM）等优化，显著减少不必要的语义检索。技术栈选用BG

本文详细介绍电商评论项目的数据处理流程，包括原始字段解析、去重、中文过滤、规则标注、类别分布、时间切分和数据质量检查，强调数据契约和数据质量对模型效果的影响。

本文作为系列开篇，介绍一个基于 BERT 的电商评论智能分析平台的项目背景、三个核心任务、四层系统架构、技术路线、目录结构以及主要实验指标，帮助读者建立整体认知。

实时语音转文字系统的第一步，是拿到"对方正在说话"的音频。麦克风录到的是你自己的声音和环境噪音，而你需要的是系统正在播放的那路音频。本篇来解决这个问题，并在此基础上搭建实时语音检测（VAD），为后续的语音识别铺好路。

本文介绍了一个高效RAG问答系统的架构设计与实现，采用5层解耦架构（前端层/API层/编排层/RAG核心层/基础设施层）。核心创新在于双层Pipeline设计：第一层使用BM25+Softmax归一化实现FAQ精确匹配（命中率62%，响应50ms），第二层处理复杂问题的完整RAG流程。系统通过Redis双重缓存、热门问题预存、意图识别（规则+LLM）等优化，显著减少不必要的语义检索。技术栈选用BG