悟已往之不谏，知来者之可追

一、背景科班出身，工作两年，一直在美团CLC做大数据开发。这次跳槽不是主动看机会的，而是实在扛不住了。手头的项目坑太多，老板的工作重心又全面转向AI，我这边的工作内容跟他的方向完全对不上，每天有种"你打你的我打我的"的错位感。长期下去既没有成长空间，也看不到产出被认可的可能，与其在一个越来越拧巴的环境里消耗，不如换个地方。整体面试周期大概3周，技术面三轮加一轮业务老大和HRG的综合面，阿里的节奏比我想象中要快一些。二、第一轮开场就是自我介绍，我大概讲了一下背景，重点落在数仓相关的工作经历上，也顺带提了一点AI方面的接触——毕竟现在团队方向在AI，这方面多少有点了解。面试官问...

她只知道我"在找工作"。每次视频她都问："今天怎么样啊？"我能怎么说？"今天笔试挂了一场"？"今天面试没过"？"今天投的简历已读不回"？说了她也不懂"笔试""AI面""HR面"都是啥。她只会跟着着急。所以我每次都说："还行。"她就放心了。然后开始跟我聊家里的狗下崽了、小区门口的超市关门了、隔壁奶奶摔了一跤。这种对话我以前觉得啰嗦，现在我就想听她说这些。比什么"加油宝贝"有用多了。

投的Java岗位，全是已读不回，孩子没招了😭

在 AI 应用的场景中，rag可以说是一项必备的技术，在智能客服，导购 agent，智能创作等有检索需求的场景都会使用到，所以这里结合一些实际的应用场景和大家做一些分享一，数据准备数据准备是 rag 整个流水线中非常重要的一环，所以在实际的生产场景中，也主要是看数据解析，以及使用不同的向量库落库的过程 文件解析（pdf，docx，txt，md）目前常见的文件解析，就是利用 Apache tika 等开源库做解析组件，但对于一些富文本的数据，比如有图片和表格的情况，就要借用 ocr 等辅助手段大表格处理表格是比较常见的数据类型之一，但是大表格解析通常会有一些问题比如在切块的时候如果每一行都作为 ...