Seeker：用 GRPO 教小模型边想边搜（Agentic RAG 全链路）

一个项目两条主线：手写 SFT + GRPO 训练 Qwen3-1.7B 学会多轮检索（HotpotQA EM 0.220 → 0.456），再把它接进带混合检索、流式、限流、缓存、监控的问答服务。所有数字来自真实运行。

技术栈：Qwen3-1.7B、PyTorch、LoRA、BM25 + bge、FastAPI、vLLM

目录

• 一、问题：为什么需要「边想边搜」
• 二、整体架构
• 三、开发线：检索与服务
• 四、算法线：SFT 冷启动 + 手写 GRPO
• 五、实验结果
• 六、真实踩坑
• 七、复现步骤
• 八、简历怎么写
• 九、面试高频追问