2025年6月｜大创项目”谈锋”开发

时间：2025 年 6 月项目：创业赛道大创项目”谈锋”——非结构化 AI 面试助手 里程碑：本周获国家级立项，正式进入开发阶段

本周工作内容

本周重点推进申报的创业赛道大创项目”谈锋”——一个非结构化的 AI 面试助手。项目本周获得国家级立项，正式进入开发阶段。技术路线上采用同期兴起的 MCP 协议、RAG 检索增强、渐进式总结技术，并引入多 agent 协作开发的理念来组织代码生产，本周主要完成架构选型和核心模块的搭建。

技术栈选型：

立项通过是个阶段性节点，但真正让我这周学到东西的是技术选型和架构搭建的过程。

MCP 让我理解了模型怎么和外部工具、数据源对接，把”模型能力”和”外部能力”解耦开来，这点对构建实用型 AI 应用很关键。

RAG 则解决了大模型知识时效性和私有数据接入的问题，我完整走了一遍向量化、检索、重排的流程，明白了为什么光有检索不够还得重排。

渐进式总结是处理长文本的好思路，先粗后细地压缩信息，有效避免了上下文爆炸。

多 agent 协作开发则改变了我的编码习惯，把一个大任务拆给不同 agent 各司其职，比我一个人闷头写效率高，也让我对”人机协作开发”的工作模式有了切身感受。

关键认知：RAG 不是接个向量库就完事——chunk 切分、embedding 模型、重排环节，每一步都得起调。

难点一：MCP 协议上手

MCP 协议当时资料不多，官方文档又偏抽象，上手有些摸不着门道。我找了几个开源的 MCP 实现源码对照着读，把一次完整的调用流程手动跑通，才把机制理清。

难点二：RAG 检索质量不理想

检索质量一开始不理想，相关文档召回率偏低。后来我调整了 chunk 切分策略、换了更合适的 embedding 模型，并加了重排环节，效果才上来。

难点三：多 agent 上下文冲突

agent 之间的上下文传递和任务边界，早期经常出现两个 agent 改同一处代码互相覆盖。我制定了明确的模块划分和接口约定，让每个 agent 只负责自己那一块、通过约定好的接口交互，冲突问题基本就消了。