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；...

朋友说他那的实习生连环境都不会装，还不如我。可我怎么感觉找个实习特别难🥲

秋招0offer，估计简历有问题   

1. 介绍一下你最有挑战性的项目，重点说说技术架构和你解决的核心问题回答框架：项目背景和规模（用户量、数据量、QPS）整体架构设计（画图说明）遇到的技术难点（性能、并发、一致性）解决方案和优化措施最终效果（性能提升、成本降低）2. 线上服务突然CPU飙升到100%，你会如何快速定位问题答案：定位步骤：top命令找到占用高的进程PIDtop -H -p <PID>查看线程级CPU占用，找到问题线程TID将TID转为16进制：printf "%x\n" <TID>查看线程堆栈： C++程序：pstack <PID> 或 gdb attach ...