1、为什么引入父子索引，为什么引入 BM25，比例是怎样的，具体流程是什么，有没有 rerank父子索引主要是为了解决 切块后召回准，但是上下文不完整 的问题。如果文档直接按 300～500 token 切成小块做向量检索，确实更容易召回到具体答案，但很容易丢掉原文结构，比如标题、段落关系、表格上下文、前后约束条件。所以会把文档拆成两层：父块：保留完整语义单元，通常是 800～1500 token子块：用于召回，通常是 200～400 token检索时先搜子块，命中后回源到对应父块，再把父块内容喂给大模型。这样既保证召回精度，也保证上下文完整性。引入 BM25 是因为向量检索对语义相似比较敏感...

年后投到现在至今0约面，是哪里出了问题，是背景问题还是简历问题呢希望大佬指点一下

最近 AI Agent 这个词特别火，很多同学都在问：想做 Agent 开发，从哪里开始？ 可以先学 LangChain。 它是目前最适合入门 Agent 开发的框架，GitHub 91k+ star，文档完善，社区活跃，大厂实际在用。学会它，你就打通了 AI 应用开发的核心链路。 一、为什么 Agent 方向值得学？ 先说背景。2026 年 AI 岗位招聘有个明显趋势：  纯算法岗（调模型、跑实验）越来越卷，要求越来越高 AI 应用工程师需求在暴增，门槛相对可控 大量企业开始用 Agent 做内部自动化，但会做的人还很少  Agent 开发的核心就是：让 AI 不只是回答问题，而是能自己规划...