一、概述与全链路 RAG（检索增强生成）：用户提问 → 检索知识库相关片段 → 注入 Prompt → LLM 基于真实数据生成。解决知识截止、幻觉、无法访问私有数据。 Naive RAG（检索-拼接-生成）→ Advanced RAG（Query 改写、混合检索、Rerank）→ Modular RAG（可插拔模块、Agent 动态决策） 文档 → Chunking → Embedding → 向量数据库 用户查询 → Query改写 → 向量化 → 混合检索 → Rerank → Prompt → LLM生成  二、文档处理（Chunking + Metadata） 切分策略    策略 ...

编辑，回邮件了没有挂，大家不要自己吓自己如题，我之前都是收到反馈就都G了，这次去看状态没变灰。还没有进行hr面。可能是下班了，发邮件问也没回。

好羡慕走AI技术方向的人，实习薪资这么高😱 人比人气死人😭