1. 做一下自我介绍2. RAG 分块策略应该怎么选，真正影响效果的核心因素是什么分块策略不是越细越好，也不是统一按 token 长度切就行。真正影响效果的是 chunk 是否保留了完整语义单元、是否带有足够的定位信息、是否能在召回后被模型直接利用。像制度文档、规则文档、FAQ、表格和多层级说明，最佳切法差异很大。比较稳的方式通常是结构优先、语义补充、长度兜底，也就是先尊重标题、段落、表格、列表，再在超长片段内部做语义切分。这样做的目标不是生成整齐块，而是让每个 chunk 自带最小可回答上下文。3. 怎么评估 RAG 的效果，除了准确率还能看什么RAG 效果不能只看最终回答对不对，因为那样很...

简历有一些吹牛逼。点评和苍穹外卖暂时还没往简历上写，不知道该不该换个更好的项目。目前的情况是，过去学的有一部分都遗忘了，然后对API不是很熟悉。我现在应该复习过去的东西，看一下API。还是去看八股呢？jvm和juc需要学吗？

大佬们看看，有没有什么还要修改的地方，第一个项目做的是黑马点评，加了一个rabbitMQ，第二个项目是鱼皮的API开放平台结合了一下鱼皮的大语言对话模型项目

1. 什么是 Agent 和 MCP？它们在 AI 系统中如何协同工作？答案：MCP（Multi-Component Planner）：将复杂任务拆解为多个子任务，负责调度和协调任务顺序，优化资源使用。Agent：执行具体子任务的实体模块，通常独立完成计算或操作。协同工作流程：用户输入 → 系统理解意图 → MCP 拆解任务 → 分配给 Agent → Agent 执行 → MCP 汇总结果 → 输出给用户。特点：MCP 负责宏观规划，Agent 负责微观执行，可实现多任务并发处理和自动化。2. 请设计一个 Prompt，让 LLM 生成一个支持多线程并发、异步 I/O 的 C++11 服务器...