1. 个人介绍2. 实习拷打3. RAG 的优化，项目中 Agent 的流程RAG 的核心链路是：文档处理 -> 建索引 -> 检索召回 -> 重排筛选 -> 上下文拼接 -> 大模型生成。它的优化也主要围绕这几步展开。先说文档处理。原始文档不能直接粗暴切块，要先做清洗，比如去掉无效页眉页脚、目录、乱码、重复段落。然后做合理切分。切分太大，会带入噪声；切分太小，上下文会断。常见做法是按段落、标题层级、语义边界切 chunk，并适当设置 overlap。再说检索阶段。RAG 不一定只用向量检索，通常会把 BM25、向量召回、关键词召回混合起来。向量召回解决语义相似，...

ps:感觉三月一堆大佬，不敢投了

真正使用过帮我写代码的也只用过四个 : vs+copliot , idea + Linma , trae , cursor ， 就个人使用感觉而言 ，排个序吧 : cursor : 当年毕设就差不多是这玩意写的(当然主要是前端 ， 跑模型啥的自己弄) ，给到number 1vs+copliot : vs其实挺喜欢用的，相较于idea轻量化 ，配合copliot(免费送一个月会员) ，给到老二吧trae , idea+Lingma : trae是出于想试一试的心态用了一下 ，现在基本问个问题都要排队 , 但是时间还行，难评 ，Lingma主要是在idea里面用 ，一时间习惯也懒得改过来了 ，将就...