1. 如果知识库原始数据不是 markdown，而是 PDF、PPT、图片或者网页，你会怎么处理进 RAG 系统？PDF 和 PPT 会提取标题、段落、表格和页码，图片先做 OCR，网页先抽正文和元信息，然后统一清洗噪声、去掉页眉页脚、按语义做切片，补上来源、时间、文档层级这些元数据，最后再做 embedding 和索引。这样后面的召回、溯源和权限控制都更稳定。 public List<Chunk> buildChunks(Document doc) { List<Block> blocks = parser.parse(doc); List<Block> ...

28届2本非科班大概很快要找实习了，应该是偏ai应用开发方向

本来下午都要面试了，提前一周约好了面试，现在有把我踹了？？？真服了

"请介绍一下你印象最深的项目经历。" 面试官语气平淡，笔尖在记录本上轻轻点着。 我清了清嗓子： "我在拼多多集团实习过，基础架构方向，负责分布式存储调优和微服务治理，做过千万级并发下的容量规划和全链路压测……" "——等等。" 面试官抬起头，笔悬在半空。 "你说，拼多多，基础架构？" 我点头："对。参与过大促备战的架构优化，也参与了系统的故障演练和容灾方案设计，大促窗口期系统稳定性指标比实习前拉了不少。" 原本靠在椅背上的另一位面试官，悄悄坐直了。 "是那个……GMV已经破万亿，大促期...