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 ...

发70个邮件让我完善简历，我还以为被网暴了。说的就是你慧策，发邮箱让参加宣讲会，说参加完后就给安排面试。技术岗上来来了一句：只要92或双非ACM银牌，66666。说双非本只能投销售类，后期能转岗（虽然但是就你小子公司的hr已读且回复，那有毛用），92才不去你们那破公司，双非本就和有案底没区别。———4.21更新贵公司的高级员工您来私信骂我也没用哈，风评不好谁的问题谁自己心里清楚，有这时间建议提升自己，完善公司制度，而不是来骂我这个连入场券都没有的破学院本

😭这是给挂了吗，都一周了还显示这个。。。。

套壳项目直接排除。调个API套个对话框，起名叫"XX智能助手"，面试官问"这跟直接用ChatGPT有什么区别"，你答不上来，比没做还减分。真正值得做的项目有这几类：RAG知识库。把自己的笔记或者公司文档喂进去，做一个能检索能问答的系统。技术上涉及向量数据库、embedding、检索策略，每个环节都有坑可以踩，踩完了就是你的故事。Agent自动化。找一个你自己真实的重复性工作交给AI做。比如自动抓职位信息按条件筛选、自动总结技术周报发邮件。场景越真实越好，面试时说"这个我自己每天在用"比任何包装都有说服力。垂直领域微调。拿开源模型跑一次...