之前团队在做合同审查和研报问答两个 RAG 项目，踩了不少分块（Chunk）相关的坑。今天把这块经验整理一下，希望对正在做类似事情的朋友有点帮助。先搞清楚 Token 这个概念做 Chunk 之前，得先理解 Token。很多人把 Token 简单等同于"字"或"词"，这不太准确。Token 是模型实际处理的最小单元，中文大约 1.5-2 个字对应一个 Token，英文则大约是 0.75 个单词一个 Token。这件事为什么重要？因为不同类型的文档，Token 密度差异很大。我们实测过：一份 20 页的中文合同，大约 8000-12000 个 Token；...

不过大厂的面试确实比小厂能学到更多

现在在干什么呀，投日常实习还是暑期实习呀？怎么我看好多人现在就投上暑期啊日常实习是应该投学校周围的，还是哪个地方都投呢我的简历就下面这样，求拷打

自我介绍实习经历（问的比较片面，没有通用性问题可以供大家参考）AI 相关MCP 使用的是什么协议，这个协议和其他协议有什么区别？结构化输出是怎么样做的？MCP 相比Function Calling有什么优势？Agent 工作时工具调用失败或者超时怎么做？ReAct 模式下Agent思考进入死循环了怎么做？Multi-Agent 架构具体怎么实现的？流式处理怎么做的？算法题 从根到叶的二进制数之和