简历高光_Agent_RAG项目描述

Agent RAG 智能食谱推荐系统 - 简历高光项目描述

AgentRAG智能食谱推荐

项目经历

1. 主导 Agent RAG 智能食谱推荐系统从 0 到 1 破冰

情境:传统食谱检索存在意图理解不足、大模型幻觉等问题,用户体验差

任务:设计并实现一套基于多智能体和 RAG 技术的智能食谱推荐系统

行动:

  • 设计双评委 Agent 架构(海选评委+毒舌评委),构建职责明确的多智能体协作机制
  • 实现 RAG 向量检索全流程,包括食谱向量化、多轮查询策略和结果重排序
  • 解决大模型幻觉问题,通过检索增强生成确保推荐结果的准确性

结果:系统支持自然语言和图片多模态输入,推荐准确率提升 60%,覆盖 300+ 道食谱


2. 重构多模态图像识别模块,攻克食材提取精度难题

情境:原有视觉模型(moondream)识别不稳定,食材提取准确率低

任务:优化图像识别链路,提升食材提取精度和稳定性

行动:

  • 将视觉模型升级为 Qwen3-VL:4B,提升多模态理解能力
  • 设计封闭式验证提示词策略,优化模型输出格式
  • 实现图像预处理(灰度增强、对比度调整)和路径处理优化

结果:食材识别准确率从 55% 提升至 88%,支持复杂场景下的多食材识别


3. 优化前端交互体验,实现沉浸式双评委面板

情境:原有前端布局松散,状态管理混乱,用户体验不佳

任务:重构前端架构,实现流畅的交互体验

行动:

  • 基于 Streamlit 实现复杂状态管理(st.session_state),解决页面刷新状态丢失问题
  • 设计左右分栏布局,优化用户输入与结果展示的空间分配
  • 实现动态占位符(st.empty())和手风琴折叠组件,提升交互流畅度

结果:页面加载速度提升 40%,用户交互满意度显著提升,录制 10 分钟系统演示视频


4. 落地混合策略评分系统,平衡质量与性能

情境:4B 模型推理速度慢(约 39 秒),影响用户体验

任务:优化评分系统性能,在保证质量的前提下提升响应速度

行动:

  • 设计"4B 模型生成评价维度 + 3B 模型执行评分"的混合策略
  • 通过 Ollama 配置优化(num_ctx、num_thread、num_gpu)提升模型性能
  • 实现单例模式确保食谱库只加载一次,减少重复计算

结果:评分环节响应时间从 39 秒优化至 18 秒,系统整体性能提升 54%


技术栈

  • 框架:Streamlit、LangChain
  • 模型:Qwen2.5-VL:4B、Qwen2.5:3B、shaw/dmeta-embedding-zh
  • 工具:Ollama、FAISS
  • 语言:Python
相关推荐
VIP_CQCRE29 分钟前
GPT Image 2.6 商品图换背景后悬浮?接触阴影、透明区域与反射验收
图像处理·人工智能·ai·电商
泯泷1 小时前
别再傻傻地喂文件了,大厂都在偷偷给AI建这种“专属图书馆”
人工智能
oak隔壁找我2 小时前
一款运行在 DSH(DeepSeek Harness)中的类 Postman HTTP 接口调试插件
人工智能·程序员
高洁012 小时前
数字孪生与计算机视觉:让机器看懂现场
人工智能·python·机器学习·transformer·迁移学习
Csvn3 小时前
如果明天供应商涨价 3 倍?三层解耦,换模型只改一行配置(C05)
人工智能·aigc·agent
在所不辞兄3 小时前
为什么数字孪生驱动的产线标定需要在线更新机制,而不能一次标定后长期沿用?
人工智能·神经网络·其他·算法·机器学习
锋行天下4 小时前
langgraph 全栈项目(三)
前端·人工智能·后端
黄啊码4 小时前
【黄啊码】最近面了十几个想转 FDE 的程序员,一个都没招
人工智能
YIAN4 小时前
从 LangChain 到 DeepAgents:手把手拆解 createAgent、Middleware 与复杂 Agent
javascript·langchain·deepseek
锋行天下5 小时前
langgraph 全栈项目(二)
前端·人工智能·后端