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，...

投了很多没有hr鸟我

引流：腾讯 阿里字节 美团

三分钟后，群里炸了。 "这个分布式事务方案考虑过补偿机制吗？" "高并发场景下这个锁粒度是不是太大了？" "建议看下我们之前做的链路压测报告，第三方依赖的超时配置需要调整。" 我盯着屏幕，手指悬在键盘上，不知道该先回复哪一条。 导师在群里@了我："别慌，一个来。这些问题都很有价值，正好周五下午技术评审会，你来讲讲你的思路。" 周五下午，会议室里坐满了人。 我打开PPT，深吸一口气："这是我设计的分布式缓存一致性方案，主要解决高并发场景下的数据同步问题……" 话音刚落，架构师就提了第一个问题：&q...