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；...

呕心沥血整理了下面经，希望能对牛友们有帮助！！！1、百度搜索在改版中强调"智能框"、支持更长文本与多模态输入，并在结果侧强化富媒体与AIl能力;如果你负责其中一个"可互动的玩法"(例如:分步澄清、可选路径、任务面板)，你会如何定义北极星指标、拆解指标树，并证明它优于传统"直接给结论"?2、公开信息显示"百看"会以图文/音视频混合方式组织结果，并逐步接入智能体/服务能力;如果你要把某类高频Query(如"选购/送礼/攻略/对比")做成可复用模板，你会如何用数据选择模板、评估收益、并建立持续迭代机制?3、在百度搜索AI化重构(智能框/百看/AI助手)的背景下，如何建立一套"触发AI互动vs传统结果"的策略，并用离线+线上数据共同验证?4、面向"深度搜索/研究型"需求(需要多步检索、综合、反思)，你会如何设计可量化的"信息充分性/可验证性"指标体系，并落到埋点与评测集?5、百度搜索侧有MCP服务/发现平台等生态建设;如果你要把某类工具(如地图、日程、票务、比价)接入到搜索互动链路，你会如何设计"工具选择/编排/降级"的数据策略，并定义可控的效果增长路径?6、近期公开报道提到百度App支持一键调用OpenClaw等智能体工具，并与百度生态能力进一步打通;如果你负责"从0到1做增长"，你会如何设计漏斗、关键路径与实验矩阵?7、在"AI答案+检索+互动链路"的复杂系统里，如果线上出现"负反馈上升/追问变多/停留变短"三者并存，你会如何搭建诊断框架(从事件到样本到因果)，并指导研发/算法快速收敛?8、搜索产品常面临"用户效率提升"与"商业转化/生态分发"的张力;如果AI互动/直答让传统点击下降，你如何设计一套"用户价值一生态价值一商业价值"三方都能接受的度量与决策机制?9、百度智能云侧有数字人/视频创作能力(形象定制、视频合成、对话/直播等);如果你要与算法共建"形象/动作效果"的理想态与验收标准，你会如何把主观体验拆成可执行的指标与评分表?10、假设你要推动"离线视频产出"的标准化评测体系(评测集+基线+周报)，你会如何设计数据采样、分层覆盖与版本可比性，让它能真正指导迭代而不是沦为形式?11、如果要求算法团队按节奏离线产出视频(例如每周X条、覆盖Y类场景)，你会怎么设计"产能模型、质量闸门、返工机制、以及对外SLA"，并用数据让节奏可承诺?12、公开报道提到百度搜索侧强化富媒体输出，并提及一句话生成创意视频/分镜编辑等能力;如果AI视频作为搜索/助手链路的一部分，你会如何定义增量评估(而不是只看播放量)?13、在数字人/视频生成能力越来越强的情况下，作为产品负责人你会如何建立安全合规的指标、流程与技术拦截(版权、肖像、深度伪造、敏感内容)，并把它纳入交付节奏?

万法AI一面 2026-2-4 1你项目中 ES 的数据是直接写入，还是从数据库同步后再查询？ 2ES 是否做了大宽表，通过 binlog 同步数据库数据？ 3项目中 ES 的索引是如何设计的？ 4数据库索引有哪些数据结构？ 5Redis 主要用在什么场景？ 6JVM 的垃圾回收器有哪些？CMS 的垃圾回收过程分哪些阶段？ 7平时写代码会用 AI 编程吗？ 8你项目中用 Spring AI 做图片识别，提示词写得多吗？用的什么模型？ 9若要实现一个 AI 小助手，需要记忆管理和向量库 RAG，该怎么实现？ 10AI 开发和传统开发有什么区别？各有什么优缺点？ 11如何解决或降低 AI 幻觉问题...