最近看了好多同学简历中的项目经历都已经变成一个AI项目加一个常规项目，而且大家似乎很有默契的形成了一个RAG项目+商城、优选、秒杀项目.....很难不让人感慨，在这个古法编程向vibe coding过度的时期，大家又默契的写出了同质化如此高的简历。如果大家厌倦了写商城类这种极致并发的项目，害怕自己经不住面试官对大流量技术设计的拷打，那不妨关注一下由楼主开源的异构数据源流转系统datalinkx。不同于c端项目浮夸的流量和并发，在后A(AI)、B(BigData)、C(CloudCompute)时代，datalinkx的优势在于其大数据垂直领域的业务价值。为什么选择搞异构数据源流转项目每到春招秋...

rt 不知道是真的假的丁老板 太难绷了

刚实习了两周，被导员一通电话打过来可能会给处分学校这里坚决是不允许大二大三实习，只有大四后半学期才允许😂不知道被谁举报的，总之回来领导跟我说了一大堆，说在学校呆着能学到知识以外的东西。然后一门课也是被重修了，感觉好不容易实个习，一波三折的。最后还是选择了不回头，总觉得，人这一生就这一次，要尽力去活才算圆满。

1. 做一下自我介绍2. RAG 分块策略应该怎么选，真正影响效果的核心因素是什么分块策略不是越细越好，也不是统一按 token 长度切就行。真正影响效果的是 chunk 是否保留了完整语义单元、是否带有足够的定位信息、是否能在召回后被模型直接利用。像制度文档、规则文档、FAQ、表格和多层级说明，最佳切法差异很大。比较稳的方式通常是结构优先、语义补充、长度兜底，也就是先尊重标题、段落、表格、列表，再在超长片段内部做语义切分。这样做的目标不是生成整齐块，而是让每个 chunk 自带最小可回答上下文。3. 怎么评估 RAG 的效果，除了准确率还能看什么RAG 效果不能只看最终回答对不对，因为那样很...