一、概述与全链路 RAG（检索增强生成）：用户提问 → 检索知识库相关片段 → 注入 Prompt → LLM 基于真实数据生成。解决知识截止、幻觉、无法访问私有数据。 Naive RAG（检索-拼接-生成）→ Advanced RAG（Query 改写、混合检索、Rerank）→ Modular RAG（可插拔模块、Agent 动态决策） 文档 → Chunking → Embedding → 向量数据库 用户查询 → Query改写 → 向量化 → 混合检索 → Rerank → Prompt → LLM生成  二、文档处理（Chunking + Metadata） 切分策略    策略 ...

有点搞笑了哈哈哈😂

事情是这样的，之前的实习不小心被老师发现并且被搅黄了，原本是不想再找了的，但是后来想想，我不能这样坐以待毙，于是又找了一个实习，后天就准备出发了，上课也找人了，如果被发现了后果会怎么样呢。