第 53 题：上下文压缩（Context Compression）在长文本场景的应用 题目 解释上下文压缩（Context Compression）技术在长文本场景的应用。 一、为什么需要上下文压缩？ 长文档、多轮对话或大量检索结果会占满 context 窗口，导致：超出模型长度限制、重点信息被挤到边缘、成本与延迟上升。上下文压缩 指在保留关键信息的前提下缩短或摘要送入模型的文本，使更多内容“塞得进”且关键信息不丢。 二、常见做法  摘要：对长段做摘要（用模型或抽取式摘要），只把摘要放入 prompt；适合“只要大意”的问答与检索后阅读。 选择性保留：按相关性或重要性筛选句子/段落（如用检索分...

遇到一个民科乐子，最难绷的一集。

昨天面试官打电话来说有事情，晚点发个邮件调整一下时间，结果今天显示流程结束了，要发一封邮件问问吗

不是在嘲讽你，是真的没用。技能栏写"熟练使用ChatGPT、Copilot、Claude"这种，跟写"熟练使用百度"一个级别。面试官不会因为这行字对你产生任何兴趣，因为这说明不了任何问题。真正能体现AI能力的只有一个地方：项目经历。而且得写清楚三件事——用了什么、解决了什么、结果是什么。举几个能过的写法："基于RAG搭建团队内部文档问答系统，使用LangChain+Chroma，将信息检索时间从平均15分钟缩短至30秒，减少重复答疑约200次/月。""引入Claude辅助Code Review，提前拦截命名不规范、边界条件缺...