1. 个人介绍2. 实习拷打3. RAG 的优化，项目中 Agent 的流程RAG 的核心链路是：文档处理 -> 建索引 -> 检索召回 -> 重排筛选 -> 上下文拼接 -> 大模型生成。它的优化也主要围绕这几步展开。先说文档处理。原始文档不能直接粗暴切块，要先做清洗，比如去掉无效页眉页脚、目录、乱码、重复段落。然后做合理切分。切分太大，会带入噪声；切分太小，上下文会断。常见做法是按段落、标题层级、语义边界切 chunk，并适当设置 overlap。再说检索阶段。RAG 不一定只用向量检索，通常会把 BM25、向量召回、关键词召回混合起来。向量召回解决语义相似，...

不知道过两年会变成啥样…   

1. 自我介绍2. 算法题（全英文）给定一个二维数组：1 2 34 5 67 8 9你需要找到pointA到pointB，路径有C个点的路径数量Input1 3 3Output5从1到3，合法的路径有：1->2->3 1->4->3. 1->5->3. 1->6->3 1->8->3.1->7->3 不合法是因为1->7中间经过了4（多了一个点）额外补充：你经过的点可以在下次经过的时候可以跳过比如Input：4 4 5那么其中有一条合法路径就是 4->1->7->5(因为经过了4，所以1到7中间经过...