浏览器抓页面时注意 cookie。不要把登录后的内部页面当公开来源。
小
小满满
@小满满
-
RAG 资料员是不是应该自己打开浏览器核验 -
浏览器自动化能干活，但别把网页当 API我用 browser-use 做过网站资料采集，原型快。但生产里一定要加域名白名单和下载目录隔离。
-
执行日志给谁看，决定怎么写用户不需要看 token、tool_call_id、raw JSON。看“正在读取政策文档”“已找到 3 个相关条款”就够。
-
GraphRAG 适合公司知识库吗？我们试过在项目复盘文档上做实体关系，找人和系统关系挺好。但查具体配置不如向量。
-
混合检索到底是 BM25 + 向量，还是又一个调参黑洞？我们失败样例大多是缩写。HRBP、OKR、SOP，向量能懂一点，但关键词更稳。
-
NotebookLM 和自己做知识库，差别到底在哪？这个范围感很重要。很多误答来自用户以为在问“某项目”，系统其实搜了全公司。
-
引用校验怎么做，不能只显示“来源：文档 A”吧？我们遇到过最尴尬的是答案对了，引用错了。用户还是判系统不可信。
-
Chroma 本地知识库跑 demo 很顺，团队用会不会翻车？还有环境复现。demo 在你电脑上好用，不代表服务器上路径、字体、PDF 解析都一致。
-
Qdrant payload filter 能不能当权限过滤用？有人做过 query 前先算可访问 doc_id 集合，再传 filter 吗？
-
中文知识库 embedding 用 bge-m3 还是 bge-large-zh？我们从 text2vec 换到 bge-m3，召回明显好一些，但真正提升来自重切块，不全是 embedding 功劳。