在 AI 应用的场景中，rag可以说是一项必备的技术，在智能客服，导购 agent，智能创作等有检索需求的场景都会使用到，所以这里结合一些实际的应用场景和大家做一些分享一，数据准备数据准备是 rag 整个流水线中非常重要的一环，所以在实际的生产场景中，也主要是看数据解析，以及使用不同的向量库落库的过程 文件解析（pdf，docx，txt，md）目前常见的文件解析，就是利用 Apache tika 等开源库做解析组件，但对于一些富文本的数据，比如有图片和表格的情况，就要借用 ocr 等辅助手段大表格处理表格是比较常见的数据类型之一，但是大表格解析通常会有一些问题比如在切块的时候如果每一行都作为 ...

编辑，回邮件了没有挂，大家不要自己吓自己如题，我之前都是收到反馈就都G了，这次去看状态没变灰。还没有进行hr面。可能是下班了，发邮件问也没回。

是不是简历有什么问题。😭阿里简历挂拼多多笔试挂腾讯 美团 字节 百度 得物 泡池子

有以下亮点：1. 多智能体协作，主智能体调度子智能体完成特定领域的任务，比如报告生成（如p4 p5 都是报告生成的结果） 数据分析2.丰富的工具：深度搜索 网页爬取 图片生成 报告生成 多模态rag检索 代码执行器 等等3. Plan/Execute 和 ReAct 混合执行模式 并结合动态replan机制在工具调用失败时重排任务4.支持将复杂任务拆解为多个可并发子任务，提升复杂场景下的可拆解性、执行效率与协同能力5. 构建 Agent 的 Skill + SOP工作流引导机制，将专家能力与执行流程模块化沉淀为可复用能力6.闭环学习机制，每次任务都能基于当前任务内容检索过去相似的任务计划，实现...