Kestrel · 凯斯特
军械资料管理员 待命内嵌 知识库
KNOWLEDGE BASE · 0 条 / 0 tok
资料说明：条目为公开攻略与社区共识整理，侧重"定位 / 优缺点 / 改装思路"，不收录精确伤害数值——游戏版本迭代快，具体数值请以游戏内为准。点击任意卡片可查看完整条目与它在检索中的 token 开销。
口径 速查
AMMUNITION
| 口径 | 常见枪械 | 特征与适用 |
|---|
11 个 核心名词
LLM · TOKEN · PROMPT · CONTEXT · RAG
每个词都配了「一句话定义 + 生活类比 + 在本作品里的落点」。看懂这 11 个词，你就知道 AI 是怎么"看懂"你的话、又是怎么"记住"之前说过什么的。
动手试：Tokenizer 分词
INPUT → TOKENS
字符数 0
Token 数 0
估算费用（输入 ¥1/百万 tok）¥0
中文通常 1 个字约等于 1 个 token，英文与数字会被切成更细的子词；所以同一句话，中英文的 token 消耗并不相同。以上为教学用估算，具体以各模型的 Tokenizer 为准。
作品说明
WHY · WHAT · HOW
它是什么
WHAT《三角洲行动》军械资料查询小助手，社区代号 Kestrel·凯斯特。它把散落在攻略站、群聊截图、视频评论里的枪械经验，收进一个可以直接双击打开的网页里。
你可以问它："新手第一把步枪选谁"、"M4A1 和 AK-12 怎么选"、"维克托怎么改"、"AWM 适合什么打法"……它会先判断你在问什么，再从资料里翻出几条最相关的，按固定结构回答，并把出处标出来。
它不是"什么都知道"，而是"知道自己资料里有什么"——这正是 RAG 想解决的问题。
怎么用
HOW- 01双击 HTML 文件，浏览器直接打开，不需要联网、不需要服务器。
- 02在「小助手」里提问，观察右侧回答下方的 来源标签——点一下能跳到资料原文。
- 03关掉「启用知识库检索」，再问一次同样的问题，看它如何从"有据可查"变成"不敢乱说"。
- 04追问一句"那它怎么改？"，验证多轮记忆是否生效。
- 05想让它真的"会说话"，在左下角填入自己的模型接口，同一套 Prompt + 资料会直接发给真实大模型。
知识库里装了什么
EMBEDDED DATA
| 类别 | 条目 | 内容 |
|---|---|---|
| 武器条目 | — | 类型 / 口径 / 强度参考 / 定位 / 优缺点 / 改装思路 / 适用模式 |
| 机制文档 | — | 弹药体系、后坐力与腰射、改装部件、模式差异、新手选枪、护甲与淘汰 |
| 别名词表 | — | 维克托→Vector、大狙→狙击枪、"喷子"→霰弹枪等口语映射 |
全部数据以 JS 数组内嵌在网页源码里，可搜索「const KB」直接查看、修改、扩充。加一条数据，小助手立刻多知道一件事。
技术实现
STACK- ▸ 单文件 HTML + CSS + 原生 JS，零依赖、零构建
- ▸ 文本检索：字符级 bigram + TF-IDF + 别名词权重
- ▸ 意图识别：对比 / 推荐 / 改装 / 弹药 / 单枪详情
- ▸ 多轮记忆：只保留最近 3 轮 + 指代消解（"它"指上一把枪）
- ▸ 上下文计量：按 8K 窗口实时核算 token 占用
- ▸ 可选在线模式：OpenAI 兼容接口，Key 仅存 localStorage
一次提问的完整链路
PIPELINE
STEP 01
用户提问
User Prompt
STEP 02
分词
Tokenizer → Token
STEP 03
检索知识库
RAG · top-k
STEP 04
拼装上下文
System + 资料 + 历史
STEP 05
模型生成
LLM
STEP 06
引用回溯
Sources
注意 STEP 03–04：模型本身并不知道"维克托"是什么，是我们把资料塞进了它的上下文窗口。谁负责塞、塞得准不准，决定了回答靠不靠谱。
对应本次作业的四关卡
CHECKLIST
| 关卡知识点 | 在本作品中的实现 | 你可以怎么验证 |
|---|---|---|
| LLM / Token / Tokenizer | token 计量条、分词演示、按 token 计费的估算 | 在「11 个核心名词」页改一句话，看 token 数怎么变 |
| Prompt / System Prompt / Prompt Engineering | 可编辑人设框 + 结构化回答规则 + 6 条约束 | 把"只用中文"改成"中英混排"，再提问看语气变化 |
| Context / Context Window / 记忆 | 多轮对话 + 8K 窗口占用可视化 + 指代消解 | 先问一把枪，再问"那它怎么改" |
| RAG 检索增强 | 内嵌知识库 + 相似度检索 + 引用来源 + 开关对比 | 关掉 RAG 再问同一个问题，对比回答的底气 |
关于"可靠"：本页默认的本地模式是检索 + 规则拼装生成回答，目的是让你在断网状态下也能完整看到 Prompt、上下文和检索是怎么配合的；它不会替你编造资料里没有的东西。填入模型接口后，回答由真实大模型生成，措辞更自然，但"只用资料、标明出处"这条纪律依然写在 System Prompt 里。