一、概述与全链路 RAG（检索增强生成）：用户提问 → 检索知识库相关片段 → 注入 Prompt → LLM 基于真实数据生成。解决知识截止、幻觉、无法访问私有数据。 Naive RAG（检索-拼接-生成）→ Advanced RAG（Query 改写、混合检索、Rerank）→ Modular RAG（可插拔模块、Agent 动态决策） 文档 → Chunking → Embedding → 向量数据库 用户查询 → Query改写 → 向量化 → 混合检索 → Rerank → Prompt → LLM生成  二、文档处理（Chunking + Metadata） 切分策略    策略 ...

26届学院本想在毕业前找到工作，投了好几天没什么消息，求拷打简历

兄弟们，春招过去了？为啥boss上没人回我啊！！！我这项目问题很大？

求各位佬们指点一下简历还有啥问题（技术方面本人只学习到七七八八，硬着头皮来试试）