前言这是我的agent系列文章的第2篇，该系列分为三部分：AI认知篇：详细讲解相关基础概念AI实践篇：分享诸如skills怎么写、怎么ai coding、怎么写好prompt等的最佳实践AI八股篇：分享我自己整理的应付大模型应用开发岗位必备的八股笔记如果觉得有帮助，欢迎关注我并期待后续文章！预期是日更哦！当天没更可能是因为太累了，周末会弥补的。传统编程与 Workflow 是 “人提前定好所有逻辑”，Agent 是 “AI 自主做决策”—— 这一本质差异，让它能解决前者搞不定的问题，成为更具差异化的新交互范式。一、三者核心对比表开发技能需掌握编程语言、算法等专业知识理解编程原理 + 图形化工具...

不知道过两年会变成啥样…   

两段实习了，下段想去大厂试试看，go，Java都可，偏向做go，求大佬们帮忙拷打下简历和提升方向

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；...