本文將介紹一種有反饋循環機制的RAG系統，讓當AI學會"吃一塹長一智"，給傳統RAG裝了個"后悔"系統，讓AI能記住哪些回答被用戶點贊/拍磚，從此告別金魚記憶：
- 每次回答都像在玩roguelike：失敗結局會強化下次冒險
- 悄悄把優質問答變成新知識卡牌，實現"以戰養戰"
- 相關性評分系統堪比淘寶賣家秀：4.9分和4.8分的文檔要宮斗搶C位
你會看到：
- 用datetime.now().isoformat()精準記錄每次打臉時刻
- 余弦相似度計算寫得比小學數學題還直白
- 評估系統時自帶左右互搏：讓AI自己當裁判比較新舊版本
效果體驗：
- 首輪回答像直男相親：照本宣科尬聊
- 二輪回答像海王撩妹：精準踩中用戶high點
- 響應長度肉眼可見變長（像極了寫論文湊字數）
我們一起把RAG改造成了會進化的數碼寶貝，每次用戶反饋都是它升級的徽章。從此甲方說"這個AI不夠智能"時，可以把鍋甩給"它還在新手村練級呢！"
文章目錄
- why循環反饋？
- 動手實現
- 環境設置
- 從PDF文件中提取文本
- 將提取的文本分塊
- 設置OpenAI API客戶端
- 簡單向量存儲實現
- 創建嵌入
- 反饋系統功能
- 帶有反饋意識的文檔處理
- 基于反饋的相關性調整
- 使用反饋微調我們的索引
- 帶有反饋循環的完整RAG管道
- 完整工作流程：從初始設置到反饋收集
- 評估我們的反饋循環
- 評估的輔助函數
)
![[學成在線]06-視頻分片上傳](http://pic.xiahunao.cn/[學成在線]06-視頻分片上傳)
)
神經外科手術的定位與導航全過程文檔及程序)
（詳解）)