检索（Retrieval）

从外部资料里找到并选读当前任务需要片段的过程：先搜索、再选择性读取，按命中情况逐步修正查询，并保留选择与排除理由。窗口之外的事实要靠它补。

生产方式：AI 生成AI 生成，仅供参考签发：晓黎学习复核：2026年11月8日被 1 个词条引用

方法课：让 AI 使用资料不等于让它一次读取整个资料库。先搜索、再选择性读取，可以减少无关内容，也让你解释为什么采用某些证据；检索不是只输入一个词等待答案，而是根据命中情况逐步修正查询，并保留选择与排除理由。没找到不等于不存在，扩大范围也应有目的。见上下文包、证据映射。

两处定位：私有事实、时效事实与精确数值不进参数，这类需求走检索或工具，或把事实直接放进输入，见 SFT（监督微调）；「何时需要外部检索」本身可以是写作任务的问题。史实取证同理，要遍历同期文献并说明检索面，才算得出排他主张。见优先权主张、Crossref。

互链

链接来自概念卡正文里的双链，编译时能解到本期词条集的才成为站内链接。

上下文包正文引用
优先权主张正文引用
证据映射正文引用
Crossref正文引用
SFT（监督微调）正文引用

反链（1）

上下文包正文引用

出现在哪些课时里（18）

判据与「课时正文里能不能点出来」是同一个：那一节确实提到了它。点课时走当前页跳转，它是导航，不是词条链接。

聊天网页、搜索、桌面端与 Agent 怎么选AI 基础：模型、产品与第一次成果
Token 与下一个 Token 预测AI 基础：模型、产品与第一次成果
Attention 与上下文窗口AI 基础：模型、产品与第一次成果
幻觉不是偶发 Bug：建立核验习惯AI 基础：模型、产品与第一次成果
从真实任务写一份最小任务说明AI 基础：模型、产品与第一次成果
System、User、Project 与 Session MemoryAgent 系统：Harness、MCP、Skill 与 Memory
Checkpoint、压缩与 Session ForkAgent 系统：Harness、MCP、Skill 与 Memory
PARA、双向链接与渐进式整理Obsidian AI 知识库与可复用工作流
先搜索，再选择性读取Obsidian AI 知识库与可复用工作流
从知识库制作任务上下文包Obsidian AI 知识库与可复用工作流
毕业项目：发布一个可复用知识工作流Obsidian AI 知识库与可复用工作流
感知机的承诺：让数据来改判断依据深度学习是怎么来的：机制、竞争与未定论
反向传播不是 1986 年发明的深度学习是怎么来的：机制、竞争与未定论
序列为什么难，注意力解决了什么深度学习是怎么来的：机制、竞争与未定论
并行的代价：Transformer 的取舍深度学习是怎么来的：机制、竞争与未定论
权重公开改变了谁能造模型深度学习是怎么来的：机制、竞争与未定论
仍在争议的历史：怎么对一条叙事提问深度学习是怎么来的：机制、竞争与未定论
SFT 教的是格式，知识不是它给的大模型后训练：偏好、权重与测得出退化的评测

关联图

只画这一条与它直接相连的词条，边与上面两区同源。可拖拽、可缩放，点节点是新标签。

以列表方式看这 6 个节点

出处

路径是本地知识库（Obsidian 库）里的位置，正文与概念卡逐字对应。

课程正文用法归纳先搜索，再选择性读取packages/db/prisma/lesson-content/search-before-reading.md
课程正文用法归纳从知识库制作任务上下文包packages/db/prisma/lesson-content/curated-context-pack.md
课程正文用法归纳SFT 教的是格式，知识不是它给的packages/db/prisma/lesson-content/sft-teaches-format-not-facts.md
课程正文用法归纳课程派生词条 · 工程基础与知识工具

编译入库：2026年11月2日。词条由知识库编译而来，修正要回到概念卡改，再重新编译。