在 AI 应用的场景中，rag可以说是一项必备的技术，在智能客服，导购 agent，智能创作等有检索需求的场景都会使用到，所以这里结合一些实际的应用场景和大家做一些分享一，数据准备数据准备是 rag 整个流水线中非常重要的一环，所以在实际的生产场景中，也主要是看数据解析，以及使用不同的向量库落库的过程 文件解析（pdf，docx，txt，md）目前常见的文件解析，就是利用 Apache tika 等开源库做解析组件，但对于一些富文本的数据，比如有图片和表格的情况，就要借用 ocr 等辅助手段大表格处理表格是比较常见的数据类型之一，但是大表格解析通常会有一些问题比如在切块的时候如果每一行都作为 ...

怎么改改啊😭

github原来还有挂人的作用搞大模型真是能狠赚笔xxx在coding补课：一个普通的大厂前端实习，可以被包装成 AI Infra；一个并不算核心的工作内容，可以被描述成“关键项目负责人”；一个算不上核心的开源贡献，可以被渲染成项目核心 Maintainer网络上很多博主借助AI包装自己，卖课割韭菜的一堆，大家还是保持理智，有钱不如给AI

自我介绍测需求中怎么设计测试用例的会去看客户端兼容、适配吗除了端到端触发，还会怎么做问项目的Agent设计，入口、负责部分意图识别准确率怎么计算得来的prompt调优过程，如何优化项目里Agent的功能有哪些抓包用什么工具抓包为什么要装证书HTTP是否有状态登录状态怎么实现的SQL Create、Update、Select常用的Linux命令是否是回文串