它遵循法则；很快可以达到%的准确度，但剩下的%却耗费了我们大部分人的所有工作时间。
当你的产品期望
以上的答案都非常出色时，即使使用最先进的模型，每一个%的进步 99 英亩数据库 也仍然需要大量的工作和创造力。 对我们而言好使的招数是： 固定的三步流程 用小模型干路由检索，用大模型干生成 基于内存数据库的（- () ），直接将响应示例注入到我们的提示词中（穷人版微调）。（注：是个技术名词，感兴趣的自己再查吧。） 在路由和检索过程中针对每个步骤做特定评估 . 开发速度 我们希望多个团队并行快速推进，因此决定将任务拆分为由不同人员开发的独立智能体（即智能体）：岗位评估、理解公司、帖子要点提取等智能体分别由不同团队负责。
这种方法带来
了显著的不良影响（）。通过并行处理任务，我们在速度上取得了优势，但这却以碎片化为代价。当与智能体的交互可能由不同的模型、提示词或工具管理时，保持统一的用户体验变得极其具有挑战性。 为了解决这个问题，我们采用了一个简单的组织结构： ）一个小型“横向”工程小组，负责处理公共组件并专注于整体体验。
这包括
各种支撑此产品的基础服务 评估测试工具 所有垂直领域使用的全局提 面我们可以先人工再 示词模板（例如，智能体的全局身份标识、对话历史、越狱攻击的防护等） 客户端的共享组件（注：一般就是指按钮、下拉列表这些） 一个服务器端驱动的框架，用于发布新的更改，而无需更改或发布客户端代码。（注：因为在服务端，那就需要有个在服务端生成的框架，很麻烦的一个东西） ）多个“纵向”工程小组，各自对其智能体拥有自主权，例如： 个性化帖子摘要 岗位匹配度评估 面试技巧 ）那些东西对我们有用： 分而治之，但限制智能体的数量 建立一个中心化的，支撑的评估过程 共享提示词模板（如“身份”定义）、模板、工具及 bw 列表 指令 . 评价输出好坏 评估我们回答的质量比预期的要困难得多。这些挑战大致来自三个方面：制定指南、扩展标注和自动评估。 制定指南：以岗位评估为例：点击“评估我是否适合这份工作”却得到“你非常不适合”的结果其实没啥用。我们希望它既具有事实性又充满同理心。有些用户可能正在考虑转行到他们目前并不十分适合的领域，并需要帮助了解差距和下一步行动。不能确保这些细节的一致性就没法让保持标注者保持评分的一致性。
