AI-NATIVE LEARNING, IN PUBLIC
不是「我做了个 RAG demo」，
是我的学习方式本身就是 AI 原生的。
这是一个 Java 工程师转型 AI 应用开发的公开学习站。站里的每一个回答都来自我真实的学习笔记， 带溯源引用和 faithfulness 评分——包括那条 17% 的幻觉 badcase，不隐藏，做展品。
467
分片知识库
20 份真实学习文档——面试八股、RAG 项目复盘、AI-Native 实践手记——按 400 字符递归分片， embedding-3 向量索引，全部过隐私扫描后入库。
83%
faithfulness 均分
声明抽取 → 逐条溯源 → NLI 判断的防幻觉链路，7 样本快速评估平均 faithfulness 83%。 每条回答的评分都展示在评估看板。
1
幻觉 badcase 展柜
q3：模型编了一个等额本息公式，faithfulness 只有 17%。它被做成展品而不是被藏起来—— 抓到幻觉并复盘，才是评估层的价值。