新华三(H3C)的计算存储产品线产品经理

1. 如果知识库原始数据不是 markdown，而是 PDF、PPT、图片或者网页，你会怎么处理进 RAG 系统？PDF 和 PPT 会提取标题、段落、表格和页码，图片先做 OCR，网页先抽正文和元信息，然后统一清洗噪声、去掉页眉页脚、按语义做切片，补上来源、时间、文档层级这些元数据，最后再做 embedding 和索引。这样后面的召回、溯源和权限控制都更稳定。 public List<Chunk> buildChunks(Document doc) { List<Block> blocks = parser.parse(doc); List<Block> ...

原来就算签了协议也是可以提前走的吗，有无有经验的前辈说说是真的吗

现状：已拿到一个腾讯云测开的暑期实习。想问一下大家，是老实测开，还是再冲一冲后端开发。不知道测开实习对后面找秋招后端开发是否有帮助？现在比较迷茫，本来是打算拿测开当保底冲后端的。