美团到家实习生

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 ...

鼠鼠有点摆，去年边学着没敢投简历，没实习。从1月到现在总共面了五次，四次字节的日常(HR打电话约面试才敢去的)，然后一次腾讯的暑期，都是一面挂，其他则是没给面。暑期的岗，4.2才开始海投，前面想着等字节第四次一面后再投，结果挂，而且感觉投晚了。字节投了11个，9个简历挂，剩下2个没动静。阿里全都简历挂，剩下的在"投递简历"。腾讯给了一次面。然后其他大中厂、手机厂什么的都是做完测评or笔试就没下文，打开几个看也是终止流程，感觉剩下的也应该是简历挂了。感觉是简历的原因？项目部分，几次面试，感觉面试官主要就拷问过秒杀这一个点。自己说的时候会尝试把sse那条说成亮点，但除了腾讯面试官问过一下这整个点在业务方面对用户有什么用之类的问题外，其他最多只是问一下sse八股...感觉也许不是很让面试官感兴趣。这个短链接也是无人问津，就被问过一回雪花算法的设计。也许我该拿点评改改，然后再在网上找一个什么项目，凑两个，而不是用自己现在这两个项目？或者是点评改改放前面，然后原本第一个项目，把秒杀抽掉，剩下的想办法从网上火的RAG项目里移植点亮点，或者直接就用网上的RAG项目？感觉我主要还是偏向后端开发，但是感觉如果除开点评，再拿一个项目，想不到有什么自己能掌控且跟点评不重的。然后鼠鼠之前主要的问题是担心面试让打开项目演示，然后就一直花时间在用AI整第一个项目，第二个项目都没时间整，第四次面试之前还因为太害怕被认为不熟悉项目，跟AI一起把简历的说辞做了大幅度弱化，然后暑期都是拿弱化后的简历投的，感觉是不是看上去太没有吸引力就直接给简历挂了。(图1是弱化后的，图2是弱化前的，但之前3月初投了几家好像也是简历挂。)而且因为3月花了很多时间整在跟AI整代码，导致八股和算法都没怎么看，算法之前有跟灵神题单刷一些，还算入门，但是八股只看了一些基本的，可能面试的时候只答得上来60-70%，而且表述有些混乱，都是想到哪说到哪；前面几回面试基本上都有大板块的基础八股没答出来，比如RedisZ Set数据结构，MQ延时消息、可靠性保证，JVM内存分配的过程、GC roots，JUC锁，设计模式。现在有点不知道该怎么办。求大佬们给点简历修改建议或者面试准备建议，不胜感激！

1. 自我介绍2. 智能合同审阅平台里为什么要同时使用向量检索和全文检索？单一检索方式为什么不够？答案：在合同审阅场景里，用户的问题或者待审条款通常不是简单关键词匹配，而是存在大量语义相近但表达不同的内容，比如“提前解除合同”“单方终止协议”“无责解约”语义接近，但关键词并不完全一致。如果只用全文检索，比如 Elasticsearch 的 BM25，优点是关键词匹配精确、可解释性强，对合同编号、金额、日期、公司名称、条款标题这类结构化或半结构化字段效果很好。但它对同义表达、语义改写、隐含风险点的召回能力较弱。如果只用向量检索，优点是语义召回能力强，但是容易召回一些语义相似但法律含义不完全一致的...