AI岗位需求暴涨12倍、月薪6万+，这数据确实诱人。但若让我重新选择专业，估计还是不会盲目的ALL IN AI。高薪就意味着极高的门槛。大模型算法这些岗动辄要求名校硕博、顶会论文，普通开发者转行面临激烈竞争，很可能沦为“调参侠”或数据标注工，在泡沫退去时被淘汰。况且技术迭代太快，今天的热门技能明天可能就过时，焦虑感如影随形。其实按道理来说 ，大学学的也是ai专业， 什么机器学习 ，深度学习 ，NLP那些 ，但是双非还是让我选择了java(ps : 考研也坠机了) ，但是其实对于ai这东西还是抱有很大的意愿的 ；与其拥挤地追逐“造AI”，我更倾向务实地“用AI”。在原有专业基础上，利用AI工具提...

标题党了 蚌…

1、自我介绍2、项目拷打3、RAG 的完整链路是什么，哪些地方最容易出问题RAG 的完整链路一般是文档接入、清洗去噪、切 chunk、向量化、建索引、在线检索、重排、上下文构造、Prompt 拼接、模型生成和结果后处理。线上请求过来以后，先对用户 query 做归一化处理，再进行向量召回或者混合召回，把候选文档取回来，然后用 rerank 模型重新排序，选出最相关的内容拼到 prompt 里，再交给大模型回答。最容易出问题的地方通常有几个。第一是 chunk 切得不合理，太短会丢语义，太长会导致噪声太多。第二是召回率不够，模型根本没拿到正确证据。第三是重排不准，正确文档被排到后面。第四是上下文...