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 ...

有没有大佬帮忙看看，这个简历能找到工作吗（没有实习经历），进大厂够不，每天都刷程序员被ai替代，焦虑的不行了...

一面一来介绍了一下面试流程，然后开始基于项目进行提问1.接口请求策略，网络请求+离线计算双模式，代码逻辑是什么样的？2.追问，既然能本地算，为什么要走网络请求？3.追问，如果网络请求拿不到，走本地计算会有什么后果吗？4.简单介绍一下这个项目的背景吧？给谁用的？用来干什么？5.第二个项目是给谁用的？6.如果不小心在考试过程中刷新了页面，你是怎么保证倒计时不重置，以及考试状态不丢失？7.答存本地，刷新之后在重新获取。面试官追问，要是把缓存清掉不就没了？再答，那应该是存在后端会比较好8.SSE和WebSocket的本质区别是啥？9.追问，那你为什么在对接deepseek的时候选择了SSE？实时聊天的...