28小登AI agent 简历求修改意见

有没有大佬知道java后端转agent的学习路径啊，好迷茫啊，传统的java我感觉会被agent淘汰，最近想学agent又不知道从何下手，llm，rag等等一系列名词都不是很懂，普通双非研一下，只有个单体的项目，还是想蒸一蒸大厂实习的，有没有大佬指点一下，多谢多谢，下图是我的简历

1.skills和tools是怎么区分的？2.skills真正的优点是什么？能做到什么？3.mcp的讲解？ mcp要定义接口的话，必须把参数那些都定义到上下文中，他是一个比较冗余的信息，会污染到上下文。正常的工具调用是不需要这些冗杂语义的，而skill会隔离这些东西在上下文里面会去隔离这些东西，不光是token消耗量。还有一个重点就是做到按需加载，渐进式加载的问题。4.长期记忆是怎么做的？用户的记忆属于实体记忆，实体记忆应该更偏向于关键词记忆，并非rag。5.接触过融合检索吗？融合检索是什么？6.混合检索的融合算法是什么样的？他的比重是什么样子的？有可能rag找回了top5，es召回了top5...

一个小小的rag练手项目，这里把一整本小说生成向量库，然后要求ai根据它回答问题但在我问叶凡是谁（小说主角）他回答的十分片面，这是因为我设置在回答问题时只检索三段文本块，在面对总结性问题的时候根本没效果，下一步是提供一些在此场景下的工具，这些工具能增多检索的文本块、map-reduce、refine、rerank之类的。项目的完全体我打算采用graph rag让ai完全理解小说里个实体的关系但是好像graph rag需要很好的硬件配置？到时候再说。😋

1. 如果知识库原始数据不是 markdown，而是 PDF、PPT、图片或者网页，你会怎么处理进 RAG 系统？PDF 和 PPT 会提取标题、段落、表格和页码，图片先做 OCR，网页先抽正文和元信息，然后统一清洗噪声、去掉页眉页脚、按语义做切片，补上来源、时间、文档层级这些元数据，最后再做 embedding 和索引。这样后面的召回、溯源和权限控制都更稳定。 public List<Chunk> buildChunks(Document doc) { List<Block> blocks = parser.parse(doc); List<Block> ...