
本文结合一个真实的 AI 翻译平台项目,深入讲解 RRF(Reciprocal Rank Fusion)的原理、纯 Python 实现,以及如何用 Elasticsearch 8.9+ 原生支持的 RRF 构建生产级混合检索。

原来是"FastAPI + command 脚本"拼起来的 RAG 检索服务,这次把它重构成了一个会自己决定何时调工具、并且记得住上次聊了什么的 ReAct Agent。真正费劲的不是写循环,而是三件事——想清楚 Agent 循环到底在循环什么、给对话历史选对存储、以及填平不同 LLM 供应商之间的格式坑。




在这篇技术博客中详细介绍了如何在 k8s 环境中使用 Filebeat 采集容器日志并将其发送到 Elasticsearch 进行处理和分析。通过逐步配置 Filebeat及设置 Elasticsearch 和 Kibana提供了一个完整的日志管理解决方案。该方案简化了日志收集过程,能够更高效地监控和调试微服务架构中的应用程序。