在 AI 应用的场景中，rag可以说是一项必备的技术，在智能客服，导购 agent，智能创作等有检索需求的场景都会使用到，所以这里结合一些实际的应用场景和大家做一些分享一，数据准备数据准备是 rag 整个流水线中非常重要的一环，所以在实际的生产场景中，也主要是看数据解析，以及使用不同的向量库落库的过程 文件解析（pdf，docx，txt，md）目前常见的文件解析，就是利用 Apache tika 等开源库做解析组件，但对于一些富文本的数据，比如有图片和表格的情况，就要借用 ocr 等辅助手段大表格处理表格是比较常见的数据类型之一，但是大表格解析通常会有一些问题比如在切块的时候如果每一行都作为 ...

#我的求职进度条# #运营# 

悲报：大厂挂麻了喜报：找到实习了悲报：实习公司很小，实习薪资很低300/天，在北京需要自己租房喜报：实习公司是二线大厂的子公司，简历可以写大厂名字，支持背调背景：211本+985硕三月中到现在面了很多，挂了很多，第一次收到offer还有其他面试流程在走

每日一更之365分OD机考上岸经验背景：上周香云的一个候选人刚出分，总分365.83/400，排前22%机考题目：一星题1：循环内存存取（82.5分）考点：环形缓冲区+内存对齐+重叠判断候选人原话：写指针对齐到align的整数倍（注意对齐后如果等于capacity，要绕回0）算写入后的结束位置判断会不会覆盖还没读的数据（read_index~write_index那块）能放下就返回新指针，放不下就-1他踩过的坑：wirte_index==read_index时缓冲区为空，可以随便写。绕回写入的时候要分成两段检查重叠，别漏了。一星题2：美观的灯笼（100分）考点：最长连续非递增子数组，一次遍历就...