star法则如何拆解项目经历 ⬆️接上篇 A（行动） 1. 针对本校180+名学生开展问卷与深度访谈，梳理出信息不对称、交易安全、售后纠纷三大核心痛点； 2. 分析竞品（闲鱼、校内同类小程序）短板，明确产品定位：轻量化、强信任、高便捷的校园封闭场景二手平台； 3. 搭建产品核心模块：身份认证、商品发布、智能分类、线下自提、信用评价、交易担保六大功能体系； 4. 输出产品需求文档（PRD）、功能流程图、高保真原型，明确交互逻辑与业务规则 5. 制定冷启动策略：以毕业季书籍、电子产品为核心品类，依托校园社群低成本获客 R（结果） 完成全流程产品方案，覆盖20+核心页面、50+功能点，逻辑可直接落地...

什么年代了，还有地主

求内推

1、为什么引入父子索引，为什么引入 BM25，比例是怎样的，具体流程是什么，有没有 rerank父子索引主要是为了解决 切块后召回准，但是上下文不完整 的问题。如果文档直接按 300～500 token 切成小块做向量检索，确实更容易召回到具体答案，但很容易丢掉原文结构，比如标题、段落关系、表格上下文、前后约束条件。所以会把文档拆成两层：父块：保留完整语义单元，通常是 800～1500 token子块：用于召回，通常是 200～400 token检索时先搜子块，命中后回源到对应父块，再把父块内容喂给大模型。这样既保证召回精度，也保证上下文完整性。引入 BM25 是因为向量检索对语义相似比较敏感...