之前团队在做合同审查和研报问答两个 RAG 项目，踩了不少分块（Chunk）相关的坑。今天把这块经验整理一下，希望对正在做类似事情的朋友有点帮助。先搞清楚 Token 这个概念做 Chunk 之前，得先理解 Token。很多人把 Token 简单等同于"字"或"词"，这不太准确。Token 是模型实际处理的最小单元，中文大约 1.5-2 个字对应一个 Token，英文则大约是 0.75 个单词一个 Token。这件事为什么重要？因为不同类型的文档，Token 密度差异很大。我们实测过：一份 20 页的中文合同，大约 8000-12000 个 Token；...

真的感觉什么都不会啊

大佬们，给我提点意见，找实习，最后秋招目标中厂，冲大厂

字节crm后端二面 2026-2-10  自我介绍 你介绍一个你最近做的项目，然后讲一下当时的背景，以及通过哪些技术方式去解决的哪些问题 你说可以通过 AI 的方式去识别卡牌，那这个 AI 识别卡牌的话怎么去确定卡牌信息呢？ 你这里面用到那个 WebSocket，当时为什么去选择用 WebSocket 呢？ 你这里面用到这个 Redis，看你这简历里面用到 Redis 的话，这个 Redis 主要是为了怎么解决什么样的场景呢？ 基于 Canal 监听 binlog 的方式相比于缓存双删来说，它有什么缺点啊？ 基于 Canal 监听 binlog 同步的时候，是不是读到的还是老的数据啊？ 我看你...