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；...

竞赛聊胜于无，实习也没学到东西

25届的同学们，毕业之后工作都好吗

楼主今年大四，就读于河南双非本科计科专业，大三的时候去考研了，但是成绩不太好，估计一志愿进不了复试，（今年22408 300分，调剂估计只能调本校，不知道有没有读的必要，也不知道能不能调入本校），打算先找个嵌入式或者单片机相关软件开发的工作，简历上的项目都是以前做的项目，没有Java开发经验，单片机也不是很熟练，但是之前做过树莓派的项目，毕业设计选题也是基于stm32的，大家觉得我目前是应该学习Java，还是继续学stm32的知识，大改学到什么程度才能找到工作。