1、RAG 流程RAG 一般分成离线和在线两部分。离线侧主要做文档接入、清洗、切分、向量化和索引构建。文档来源可以是产品文档、帮助中心、接口文档、历史问答、内部知识库。清洗之后按段落、标题或者固定窗口做切片，再用 embedding 模型把文本转成向量，写入向量数据库，同时保留 metadata，比如文档类型、时间、部门、权限标签。在线侧通常是用户问题进来后，先做 query 预处理，比如改写、纠错、意图识别，然后拿 query 去做检索。检索可以是向量检索、BM25 检索或者混合检索。召回到候选片段后，再做 rerank，把最相关的内容排到前面，最后拼接 prompt 和用户问题一起送给大模...

有大佬能帮忙看看，简历还需要怎么改吗🥲🥲

兄弟姐妹们帮帮看下还有什么可以优化的地方

作为一个每天重度依赖 AI 摸鱼、不是在撸代码就是在写文档的后端打工人，我仔细盘了一下我每天的 Token 消耗流水，发现了一个惊人的事实：最消耗 AI 算力、最容易让它破防的，根本不是什么复杂的算法推导，也不是写那些又长又臭的 SQL 联表查询，而是我们轻飘飘敲下的一句——“帮我初始化一个项目”。大伙品一品，平时让 AI 搞个“初始化”，到底有多要命：1. 薛定谔的“搭个基础架子”你以为你只是让它建个工程，但在 AI 眼里，你这是让它当架构师。比如你跟它说：“帮我起个后端服务”。好家伙，为了显摆，它不仅要把外层的目录结构用 ASCII 码画出来，还要给你手搓一堆基础类。要是你提了一嘴用若依（...