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...

求实习啊

我的嫡系AI是Cursor。在开发过程中，它不仅提升了编码效率，还能帮助我快速理解代码逻辑和定位问题。通过智能补全和上下文分析，我可以更专注于核心功能实现，而不是重复性工作。同时，它在调试和学习新技术时也提供了很大帮助，是我日常开发中不可或缺的工具。