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，...

刚刚丢了简历过去tx提前批，燃尽了😓感觉这年头保研考研考公都难。今晚海投看看能不能刷点经验，八股一点没看。冲冲冲。

竞赛聊胜于无，实习也没学到东西

从零构建全栈AI智能体 最近在GitHub上发现了一个非常适合大学生上手的AI Agent开源项目：agent-craft，111 star，纯中文教学，从最基础的LLM调用到完整的多智能体部署，15个模块手把手带你做。  仓库地址：https://github.com/Annyfee/agent-craft  为什么推荐这个项目？ 1. 学习路径清晰，从零开始 不需要你有AI开发经验，从"怎么调用一个大模型API"开始教，一步步到能自己搭一个完整的智能体系统。 2. 代码全部可运行 每个模块独立目录，注释清晰，clone下来本地一键跑通，不是那种"看完还是不会动...