EP08 · 知识与推理：提示工程、RAG 与自我反思

一句话概要：智能体的知识可以外置（垂直知识库 + 检索增强），推理必须内生（时序、依赖、反事实三道关卡），反思让两者闭环（评估、归因、修正）。 时长 13:13 ｜ 素材锚点：单27/单44/单59 + 多10/多15/多28/多29 ｜ 所属：第一季·核心范式

一、知识框架

本集把七道题收拢到「知识与推理」主题下，三层结构：

1. 怎么问（提示工程）：零样本迁移的核心技术是提示词工程（单选 27）——把任务描述清楚本身就是技术；微调是补课不是迁移，蒸馏管部署成本，数据增强服务训练。
2. 去哪查（检索增强）：跨文档推理的核心支撑是语义检索（单选 59）——按意思找东西，不是按字面；由此引出 RAG：先检索后生成，知识外置、可附出处。
3. 专家配方与更新路线（多选 15 + 多选 10）：垂直知识库 + 术语理解 + 案例推理三件套；更新走在线增量学习 / RAG / 定期全量微调三条路线，硬编码规则与重置状态都不是更新。
4. 推理与反思：因果推理的三道关卡是事件时序建模、变量依赖识别、反事实验证（多选 28）；法律文本的要害是条款关联推理（单选 44）；自我反思三件套是结果评估、策略分析、根因追溯（多选 29）。

二、题面锚点

单选 27：实现智能体零样本迁移的核心技术是（ ）

A. 监督微调　B. 提示词工程　C. 模型蒸馏　D. 数据增强

单选 44：智能体处理法律文本时，关键能力是（ ）

A. 情感倾向分析　B. 条款关联推理　C. 语音转写精度　D. 实体识别召回率

单选 59：实现智能体跨文档推理，核心支撑技术是（ ）

A. 语义检索　B. 光学字符识别　C. 文本摘要　D. 实体关系抽取

多选 10：实现智能体知识更新的技术路线包括（ ）

A. 在线增量学习　B. RAG 检索增强　C. 定期全量微调　D. 人工规则硬编码　E. 重置初始状态

多选 15：构建领域专家智能体的必要组件有（ ）

A. 垂直领域知识库　B. 专业术语理解模块　C. 案例推理引擎　D. 通用闲聊数据集　E. 图形渲染管线

多选 28：影响智能体因果推理能力的因素有（ ）

A. 事件时序建模　B. 变量依赖关系识别　C. 反事实假设验证　D. 计算芯片主频　E. 外壳材质强度

多选 29：以下属于智能体"自我反思"机制的是（ ）

A. 行动结果评估　B. 策略效用分析　C. 错误根本原因追溯　D. 重置初始参数　E. 更换硬件模块

三、答案要点讲透

单选 27 答案：B（提示词工程）

• 为什么是它：零样本迁移指模型没见过某类任务的训练样本，直接上场也能做。靠的是把任务描述清楚，让模型凭通用语言与理解能力举一反三。任务描述本身就是技术——「总结这篇文章」与「用三句话总结论点、论据和结论，面向没有技术背景的读者」，输出质量是两个世界。
• 监督微调（A）为什么错：是学习不是迁移，每个新任务都要标数据、训一轮，成本高周期长，且任务间可能互相干扰；零样本的精髓恰是不训练也能上。
• 模型蒸馏（C）为什么错：把大模型能力压缩进小模型，解决部署成本，与任务迁移无关。
• 数据增强（D）为什么错：在训练侧造更多数据，服务的还是训练。

单选 59 答案：A（语义检索）

• 为什么是它：跨文档推理的答案散落多份文档，先把相关片段找出来才能串。相关段落很少与原话用词一致（问「怎么退款」vs 文档写「返还价款」），必须按意思找。语义检索把文档切片、算语义向量，按相似度捞出最相关片段，是跨文档推理的地基。
• 光学字符识别（B）为什么错：把图片文字变成文本，是扫描件入库的前处理，解决「看得见」不解决「找得到」。
• 文本摘要（C）为什么错：压缩单篇可以，但跨文档要的是多源关联，摘要还可能把关键细节压掉。
• 实体关系抽取（D）为什么错：抽「谁和谁什么关系」的三元组是有价值的中间产物，但抽完仍要检索来定位，不是枢纽。
• 由此引出 RAG：先检索后生成，把检索到的内容塞进上下文再让模型作答。知识外置，改知识就是改库，答案还能附出处、可追溯——是知识更新三条路线中最轻快的一条。

多选 15 答案：A、B、C（D、E 不选）

• 垂直领域知识库（A）：通用模型不知道公司产品参数、行业监管细则、内部流程，必须外置成库、随用随取。
• 专业术语理解模块（B）：同一词在不同行业意思不同（「平仓」在金融与仓储是两个世界），专家智能体必须懂行话。
• 案例推理引擎（C）：专家做判断靠类比而非从原理推——「这种情况我见过，上次这么处理」。案例库加相似度检索，复制的就是这套直觉。
• 通用闲聊数据集（D）为什么不选：求广度不求深度，与专业能力无关。
• 图形渲染管线（E）为什么不选：求好看，与知识无关。二者都是凑数项。

多选 10 答案：A、B、C（D、E 不选）

• RAG 检索增强（B）：最轻快，改知识就是改库、当天生效、可附出处；缺点是检索质量直接决定答案质量。
• 在线增量学习（A）：持续吸收新数据，跟得上变化；缺点是易灾难性遗忘（学新忘旧，学习层老大难）。
• 定期全量微调（C）：隔一段时间全量重训，质量最稳；成本最高周期最长，适合变化慢的核心知识。
• 三条路线不互斥，是三种性格，实践中常混合使用。
• 人工规则硬编码（D）为什么不选：规则写死那天就开始腐烂，维护变成永无止境的补丁战争。
• 重置初始状态（E）为什么不选：定期失忆不是知识更新。

多选 28 答案：A、B、C（D、E 不选）

• 事件时序建模（A）：因果的最低门槛——先有因后有果，时序乱了因果无从谈起。
• 变量依赖关系识别（B）：相关不等于因果。冰淇淋销量与溺水人数同涨，背后是气温这个共同原因；找因果要找真正的依赖结构，不是一起波动的表面关系。
• 反事实假设验证（C）：确认原因真不真，问「如果没有它会怎样」——反事实是因果推断的试金石，严格方法本质上都在严谨回答反事实问题。
• 计算芯片主频（D）/外壳材质强度（E）为什么不选：算力与外壳和推理能力无半点关系，是「听起来很技术」的干扰项。

单选 44 答案：B（条款关联推理）

• 为什么是它：法律文本的要害在条款之间的关联——总则立原则、分则定规则、例外挂在原则下、兜底藏在结尾、这一条的「但书」可能推翻那一条的结论。处理法律文本难在把这张条款网理清楚。
• 情感倾向分析（A）为什么错：判断喜怒哀乐，法律文本最不该被情感带偏。
• 语音转写精度（C）为什么错：语音链路的事，法律文本处理的前提是文本已在手里。
• 实体识别召回率（D）为什么错：能抽「甲乙双方、金额、期限」等要素，但只是原料，抽完不关联仍是一地零件。

多选 29 答案：A、B、C（D、E 不选）

• 行动结果评估（A）：反思第一步——执行完对照目标打分，好在哪里差在哪里，是后续一切的输入。
• 策略效用分析（B）：第二步——结果不如意，是方向错了还是执行翻车？两者修正动作完全不同。
• 错误根本原因追溯（C）：第三步也是最深的一步——不停在「错了」，追问「为什么错」，挖到可以动手修的那一层；挖到表层就收手，下次还在同一个坑里摔。
• 重置初始参数（D）/更换硬件模块（E）为什么不选：推倒重来与物理动手都跟反思无关。反思是在不推倒系统的前提下，让系统知道自己错在哪、怎么改——重置是放弃，不是反思。
• 闭环价值：执行、评估、归因、修正，再执行。第一次答错很正常，可怕的是每次错在同一个地方；反思让错误变成台阶，而不是循环播放。

四、延伸思考

1. 「知识外置、推理内生」的分层：把知识锁在模型权重里，是知识更新所有痛苦的根源；RAG 把知识挪进可检索的库，推理仍留在模型内——这条分层线是近两年智能体架构演化的主轴。
2. 提示词工程是可打磨的手艺：零样本时代最便宜的能力。写清楚任务、受众、输出格式，等价于给模型一份精确的需求文档；这与软件工程里「改需求比改代码便宜」是同一条经验。
3. 反事实思维的日常价值：「如果没有它会怎样」不止是因果推断的试金石，也是产品复盘的好问题——把「要是没做那个改版会怎样」问清楚，比归因于直觉可靠得多。
4. 与对话系统的连接（作者实践注脚）：对话智能体的「会话」本身就是一次轻量 RAG——历史片段检索、意图相关文档召回；EP11 讲对话系统时会回到这条线。

五、术语表

*本集音频：ep08-知识与推理提示工程与RAG.mp3 ｜ 下一集：EP09 工具调用：让智能体长出手*