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；...

lz背景：9本无实习，投字节暑期实习面试官上来问mcp协议，问网络底层是如何实现的然后后面拷打计算机网络和操作系统很偏的东西https协议握手经过几个rdtcas在操作系统上的底层实现问了十几分钟然后两道非hot100手撕 G了最后反问建议面试官说现在ai时代，八股没意义，项目也都是学习项目没意义，个人简历也比较平庸，只停留在应用层，所以必须很深入底层lz自知自己很菜，只会八股，但是面试官问的这些问题又比八股有意义在哪呢，无非是出些更偏的八股来刁难人吧

1. Python 数据分析常用库有哪些？各自作用是什么？NumPy：高性能数值计算、矩阵运算pandas：表格数据处理（DataFrame）matplotlib / seaborn：可视化scikit-learn：特征工程与机器学习工具scipy：科学计算与统计函数2. 什么是 Series 和 DataFrame？Series：一维带索引数组DataFrame：二维表格结构（行列索引），是分析工作主力数据结构。3. 如何将字典创建为 DataFrame？（宝典同类高频） import pandas as pd data = {"name": ["Tom&quo...

本人校招生，想问下各位大佬操作系统优化岗（嵌入式方向）是偏测试吗？对技术成长是否有帮助？之后职业发展如何？