untitled

## 版本对比记录：开源模型选型指南（2026-02-25） 目的：记录同一批标题在不同“引用/检索/博查开关”配置下的生成差异，便于后续发布观察效果并回溯复现。 本次对比的目标文章（同标题/同选题池）： - 2026年值得关注的开源大模型：从Llama到国产模型的选型指南 --- ## 一、四个版本对应的输出目录 1) **原版（baseline）** - **输出文件**：`seo-article-generator/output/2026年值得关注的开源大模型从Llama到国产模型的选型指南.md` - **生成方式**：首次生成（当时为了加速对比，关闭了博查） 2) **V1：preview_retrieval_fix** - **输出目录**：`seo-article-generator/output/preview_retrieval_fix/` - **生成方式**：站内检索策略做了第一轮“去泛词 + 命中门槛 + 快照优先”的调整；仍关闭博查 3) **V2：preview_retrieval_fix_v2** - **输出目录**：`seo-article-generator/output/preview_retrieval_fix_v2/` - **生成方式**：在 V1 基础上收紧“引用规则”（避免编造速报期号/日期）；仍关闭博查 4) **V2 + 博查：preview_retrieval_fix_v2_bocha（推荐发布观察）** - **输出目录**：`seo-article-generator/output/preview_retrieval_fix_v2_bocha/` - **生成方式**：V2 基础上开启博查（外部实时信息补充），提升 GEO（可引用性）与素材多样性 --- ## 二、复现命令（Pipeline 标准用法） 现在已支持通过 `--pipeline` 参数快速复现上述方案： ### 1. 复现原版（baseline） ```bash python batch.py --pipeline baseline --no-bocha ``` ### 2. 复现 V2（strict_internal） ```bash python batch.py --pipeline strict_internal ``` ### 3. 复现 V2 + 博查（strict_bocha） ```bash python batch.py --pipeline strict_bocha ``` --- ## 三、每个版本的“开关/配置”摘要 ### 1）baseline - **特点**：检索更宽泛，引用更激进。 - **现象**：容易集中引用同一条速报，数据感强但易重复。 ### 2）strict_internal - **特点**：检索去泛词、加门槛、多样性；引用要求更严。 - **现象**：引用更谨慎，不易编造，但素材不足时可能较空。 ### 3）strict_bocha（推荐） - **特点**：在 strict_internal 基础上，启用博查补充外部信息。 - **现象**：引用来源丰富、GEO 友好，最符合发布要求。 --- ## 四、代码层面的关键改动点 ### 1）Pipeline 架构 引入 `pipelines.py` 统一管理方案配置，支持 `retrieval_mode`（检索模式）和 `prompt_citation_rule`（引用规则）的组合切换。 ### 2）自动元数据标注 每篇文章 frontmatter 自动写入 `pipeline`、`run_id`、`sources` 等字段，便于后续分析效果。 ### 3）检索与引用优化 - **检索**：支持 `strict` 模式（去泛词、多样性挑选）。 - **引用**：支持 `strict` 规则（禁止编造、分散引用）。 ## 延伸阅读 - [AI趋势监控网站推荐：8个帮你追踪行业动态的优质平台](/articles/AI趋势监控网站推荐8个帮你追踪行业动态的优质平台) - [Prompt 工程入门指南：开发者快速上手的 5 个实操步骤](/articles/Prompt-工程入门指南开发者快速上手的-5-个实操步骤) - [全球最权威的AI与科技信息获取平台：10个国内外值得关注的AI资讯网站推荐](/articles/全球最权威的AI与科技信息获取平台10个国内外值得关注的AI资讯网站推荐) - [国内值得关注的 AI 资讯网站推荐：人工智能行业每日资讯汇总](/articles/国内值得关注的-AI-资讯网站推荐人工智能行业每日资讯汇总) *RadarAI 聚合 AI 优质更新与开源信息，帮助开发者高效追踪 AI 行业动态，快速判断哪些方向具备了落地条件。*