一、概述与全链路 RAG（检索增强生成）：用户提问 → 检索知识库相关片段 → 注入 Prompt → LLM 基于真实数据生成。解决知识截止、幻觉、无法访问私有数据。 Naive RAG（检索-拼接-生成）→ Advanced RAG（Query 改写、混合检索、Rerank）→ Modular RAG（可插拔模块、Agent 动态决策） 文档 → Chunking → Embedding → 向量数据库 用户查询 → Query改写 → 向量化 → 混合检索 → Rerank → Prompt → LLM生成  二、文档处理（Chunking + Metadata） 切分策略    策略 ...

快一个月沟通300次，要简历30次，面试三个全挂😭日常实习难度这么大吗？找实习找到道喜破碎。是我简历太烂了吗？求指教。

"这个bug是你改出来的吗？"不是质问的语气，就是很平静地问你。平静才可怕。你的大脑在0.5秒内飞速运转：我改了哪里？会不会真的是我？如果是我怎么办？要不要先认？万一不是我认了怎么办？然后你打开代码，手有点抖。我实习第二个月遇到过一次。线上出了个数据异常，leader发消息问是不是我动过那块逻辑。我当时吓得够呛，翻了半小时git记录，发现确实是我改的一个边界条件没考虑到。那天我坐在工位上，想了很久要不要主动说。最后还是去找leader承认了，说了原因，说了怎么修。他听完就说"知道了，下次注意"，然后就没了。我以为会有更严重的后果，结果什么都没发生。后来我...