腾讯一面

九本大学（学院本），27届。目前0段实习，现在手上有两个offerr，一个创业惠康的offer说前期实习生不分流（看网上帖子，大概率进去干实施），另一个某某研究院的后端开发岗算是小厂。该如何选择，本人还是想往java开发发展的

今日首蚌，真的很难绷住

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> ...