1. 如果知识库原始数据不是 markdown，而是 PDF、PPT、图片或者网页，你会怎么处理进 RAG 系统？PDF 和 PPT 会提取标题、段落、表格和页码，图片先做 OCR，网页先抽正文和元信息，然后统一清洗噪声、去掉页眉页脚、按语义做切片，补上来源、时间、文档层级这些元数据，最后再做 embedding 和索引。这样后面的召回、溯源和权限控制都更稳定。 public List<Chunk> buildChunks(Document doc) { List<Block> blocks = parser.parse(doc); List<Block> ...

像这种简历是不是直接要被扔进垃圾桶啊。看了别人的简历再看自己的感觉完蛋了。求大佬们不吝赐教😭😭😭

😢 飞书电话会议。我真的搞不懂，那些问题我基本上都回答出来了，咋回事呢。

本来不想发了，但实在很郁闷，今天补了一些昨天面过之后的短板看完有同公司大佬当天上午面下午就约面但也有不过的立马发感谢信的我是昨天下午面完，今天一天无约面，官网显示在流程还在泡，可能在横向，也不发感谢信这次面的还行，但还是被深挖问了几个地方，虽然自己有想法但答的四四五五的，因为有些猜的不算准评价为知识广度是被认可的，但是深问就不太行，废话谁能想到问这么深，也不是，主要没遇见过标准答案，就比如滑动窗口为什么过时？没办法保证频率吗？窗口小了能保证那为什么不如令牌桶？rocketmq三层锁重平衡，那什么时候会重平衡新增删除还有啥？没反应过来，导致重复消费还导致啥？应该乱序，但没仔细看过只答了乱序没说问...