栈stack的应用

1. 个人介绍2. 实习拷打3. RAG 的优化，项目中 Agent 的流程RAG 的核心链路是：文档处理 -> 建索引 -> 检索召回 -> 重排筛选 -> 上下文拼接 -> 大模型生成。它的优化也主要围绕这几步展开。先说文档处理。原始文档不能直接粗暴切块，要先做清洗，比如去掉无效页眉页脚、目录、乱码、重复段落。然后做合理切分。切分太大，会带入噪声；切分太小，上下文会断。常见做法是按段落、标题层级、语义边界切 chunk，并适当设置 overlap。再说检索阶段。RAG 不一定只用向量检索，通常会把 BM25、向量召回、关键词召回混合起来。向量召回解决语义相似，...

沉淀了一个寒假，简历刚刚写好，打算投递了，想问问各位牛友有什么修改意见🤤🤤

过了，云智真tm香啊。😜

一、背景知识1. Python 数据结构Python常见内置数据结构有：list、tuple、dict、set、str。面试重点通常是时间复杂度和应用场景：list：动态数组，支持随机访问，尾部增删快，头部插入删除慢tuple：不可变序列，适合只读数据，哈希友好dict：哈希表实现，键查找/插入平均O(1)set：不重复集合，去重和成员判断高效（平均O(1)）str：不可变字符串，切片会创建新对象 # 常见复杂度示例 arr = [1, 2, 3] arr.append(4) # 平均 O(1) arr.insert(0, 0) # O(n) d = {"a": 1} pr...