基于源码梳理 WeKnora 的主后端、前端、文档解析、默认检索、向量库适配、模型层和 Agent 扩展能力，判断它更像企业知识库底座，而不是轻量级 RAG Demo。
TOPIC
共 14 篇 AI工程
围绕「AI工程」整理的相关文章
记录一次把 BAAI/bge-reranker-v2-m3 部署成 vLLM reranker 服务，并让本地 WeKnora 通过 HTTP API 调用的完整过程，包括显存、镜像源、模型下载和接口验证。
向量召回只能找出可能相关的内容，reranker 才能把最适合给大模型看的片段排到前面。本文整理 BAAI/bge-reranker-v2-m3 的定位、适用场景和部署取舍。
Agent 意图识别不应只是让大模型返回一个标签。更科学的做法是用分层架构把用户输入转成结构化决策结果，再经过工具召回、参数校验、安全策略和确认流程，进入可控执行。
让大模型稳定输出 JSON，不是把 prompt 写得更凶，而是把模型输出当成不可信输入：用结构化输出约束格式，用程序校验兜住边界，用业务规则、日志、评测和审计保证系统可控。
OpenClaw 的 Agent Loop 不是简单调用一次大模型，而是一条完整的任务执行链路。本文拆解一条消息如何经过会话解析、队列控制、上下文组装、模型推理、工具调用、流式回复和持久化，最终变成一次可控的 Agent 执行。
OpenClaw 表面上像一个聊天机器人，底层却更接近一个本地优先的多渠道 Agent Gateway。本文从架构角度拆解它和普通 Bot 的根本区别。
OpenClaw 的 Gateway 不是普通消息转发服务，而是整个 Agent 系统的本地控制平面。本文拆解它如何统一接管多渠道、客户端、节点、会话、事件和自动化入口。
pgvector 不是所有向量检索场景的最优解，但在中小规模 RAG、图片相似检索和业务强过滤场景中，它可以用更低的工程复杂度完成向量存储和相似度检索。
DINOv2 可以把图片转换成向量，用于商品图相似检索、图片查重和以图搜图。本文记录一个基于 DINOv2、PostgreSQL、pgvector 和 HNSW 索引的最小落地方案。
BGE-M3 是一个适合优先评估的开源 embedding 模型。它支持中文、多语言、长文本和多种检索方式，适合用于 RAG、知识库检索和中英文混合语义搜索。
OpenClaw 和 Hermes Agent 不是简单的谁替代谁，而是两种不同路线的 Agent 工具。前者是「万能遥控器」，重点是连接消息平台与外部工具；后者是「长期运行的数字助手」，重点是记忆、技能沉淀与持续执行。本文把两者的差异、适合的场景、迁移路径和安全边界一次说清楚。
Tool Calls（函数调用）不是「让模型执行代码」，而是「让模型按约定输出一段结构化 JSON，然后由你的后端去执行」。本文把一次完整链路拆开，从 schema、请求、回调到并行调用，逐步讲清楚。
一句「每天早上 6 点发送新闻简报」，为什么就能变成一个稳定运行的定时任务？本文从自然语言理解、工具调用协议，到持久化调度和投递闭环，把 OpenClaw 的 cron 机制完整讲清楚。