Tessera 这种“宁缺毋滥”的检索逻辑更适合生产环境
比起那些为了聊天气氛强行输出的 LLM，我更倾向于把 Tessera 这种逻辑接入到实际的工作流中。
下一篇
NetBox 物理标签自动化：用 QR Code 解决机房运维的“肉眼搜索”低效问题 →
在设计转开发的过程中，我发现很多模型在处理专业文档时就像一个过度自信的设计师，明明素材不够，却非要画个完整的方案出来忽悠甲方，这本质上就是“幻觉”带来的成本损耗。Tessera 的逻辑刚好相反，它引入了一种类似“证据审查”的机制：如果检索环节没能提供确凿的支撑数据，它会直接选择闭嘴，而不是为了维持对话流畅度去瞎编。
这种“拒绝式回答”的策略，在构建企业级知识库 Agent 时非常关键。这就好比从“自由创作模式”切换到了“严谨审计模式”，虽然牺牲了一点点交互的即时感，但换回的是极高的信息确定性。对于需要处理严肃业务逻辑的团队协作流程来说，这种确定性带来的纠错成本降低，远比那种满嘴跑火车的聊天机器人要有价值得多。
具体实现可以参考这个项目：https://github.com/tessera-ai/tessera
如果你正在 promptcube.com 上搭建自己的专业 Agent，建议重点关注这种强制证据检索的架构设计。
