中移杭研

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 ...

上周我小组有个候选人机考刚出分我就让他复盘了一下背景：总分365.834/400，排名前22%。第一题全过，后两题部分通过。我整理了三题的考点与思路，供参考。一星题1：循环内存存取计算（82.5分）考点：环形缓冲区、内存对齐、区间重叠判断思路：将写指针对齐到align的整数倍（注意可能绕回0）计算写入后的结束位置判断是否会覆盖未读数据区间（read_index ~ write_index）若能放下则返回新写指针，否则返回-1注意点：对齐后若等于capacity，需绕回0write_index == read_index 时缓冲区为空，可写入绕回写入时，需检查两段是否与未读区间重叠一星题2：美观...