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 ...

友友们，本来在一个做自动驾驶的大厂实习，但因为长时间没刷宿舍门禁刷脸被导员发现，后面被拷问出来在实习后也是迫于压力离职了。但是我争取了一下，公司那边说是如果暑假还有hc的话我可以继续入职。但是只是口头承诺，我很焦虑到时候一句没有hc了就炸了（暑期目前只有一个小厂offer，四月才开始投，两个月生疏八股算法，感觉拿别的大厂暑期实习无望了）  友友们有什么建议吗？比如我要不要持续跟hr聊天来增加些好感度之类的？

Prompt & Skill 工程最佳实践  从多轮实战对抗式调优中沉淀的方法论。  一、Prompt 工程 1. 调优五原则    优先 说明     聚焦 > 全面 先保主任务稳定，再补细节   场景 > 通用 先问"缺什么字段会失真"，保这些再优化其他   结构 > 辞藻 模块化结构比华丽描述有用，把任务说清楚就够   定性 > 精算 LLM 擅长归类不擅长数值计算，需量化时尽可能用整数映射   减法 > 加法 先删冗余；删掉 30% 反而更稳，说明那 30% 不该在    2. Prompt 搭建 固定骨架： Role → Co...