AI编程

把 PyTorch 分类模型封装成只读智能体工具，加载 state_dict、启用 inference_mode，并返回标签、概率与模型版本。

用 Transformers 在 PyTorch 环境加载 DeepSeek-R1-Distill-Qwen-1.5B，自动选择设备并检查 dtype、显存和生成结果。

用 Gradio ChatInterface 构建聊天页面，浏览器只调用自有后端代理，由代理保存 Coze 会话并保护令牌。

用 LlamaIndex 创建只读查询工具，给工具写清输入与边界，再从 Agent 事件或运行轨迹核对模型确实调用了正确工具。

让 AI Agent 先通过 RAG 检索证据，再依据命中质量选择回答、拒答或调用受控工具，并保存路由原因。

让 RAG 回答携带来源 ID、页码和原文片段，先验证引用确实支持对应结论，再把引用渲染给用户。

用带相关文档标注的问题集评估 RAG 检索，计算 Hit Rate 与 MRR，并分别检查 Top-K、无答案和版本变化。

为 RAG 设计 tenant_id、document_id、version 和 status 元数据，在向量查询前强制过滤租户与生效版本。

在 RAG 中并行取得关键词与向量候选，按文档 ID 去重后融合排名，并用关键词和语义两类问题验收。

在离线环境通过 Ollama 审查单个 Python 文件，用固定测试验证 DeepSeek 建议，避免模型直接执行命令。