1. 个人介绍2. 实习拷打3. RAG 的优化，项目中 Agent 的流程RAG 的核心链路是：文档处理 -> 建索引 -> 检索召回 -> 重排筛选 -> 上下文拼接 -> 大模型生成。它的优化也主要围绕这几步展开。先说文档处理。原始文档不能直接粗暴切块，要先做清洗，比如去掉无效页眉页脚、目录、乱码、重复段落。然后做合理切分。切分太大，会带入噪声；切分太小，上下文会断。常见做法是按段落、标题层级、语义边界切 chunk，并适当设置 overlap。再说检索阶段。RAG 不一定只用向量检索，通常会把 BM25、向量召回、关键词召回混合起来。向量召回解决语义相似，...

如题，求大佬们给点意见

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

聊项目使用本地缓存场景缓存逻辑过期设计本地缓存和redis缓存一致性如何实现讲一讲CAP布隆过滤器RAG的文档切片CompletableFuture优势对ai coding的看法无手撕，30min面完。