先聊聊身边同事的学历真实区间。小组里学历跨度不算小，最低是普通本科院校，硕士占据大半人数，也有顶尖 985 硕博学历的前辈。学术论文并非入职硬性门槛，技术岗资深员工手握多篇核心论文，业务执行岗基本不看重论文成果，学历只是入门敲门砖，不会单凭学历判定个人价值。再看组里认可度高、融入速度快的实习生，身上特质高度统一。这类人上班状态踏实沉稳，到岗立刻梳理当日工作任务，不闲聊摸鱼拖延进度。待人处事分寸感十足，主动礼貌对接同事需求，不懂就及时请教，不会闭门造车耽误整体进度。核心特质就是适配岗位执行力，大厂本质需要各司其职的螺丝钉。接到需求不纠结质疑，第一时间拆解任务上手实操，独立完成分配工作，配合团队节...

Thank you Hellobike.

家人们我真的绷不住了。投了个国企，HR 第二天就加我微信，问得那叫一个细——本硕、籍贯、家里几口人、爸妈干啥的，差点把我祖宗十八代查了。问完一句："OK同学，等通知。"等。等了两周，一点动静没有。我寻思流程不能这么慢吧，鼓起勇气想问问进度。打开对话框打字、点发送——"消息已发出，但被对方拒收。"我？？？她把我删了？我都还没面试呢姐，你删我干啥？我哪儿得罪你了？后来听人说他们早就内招好了，HR 加人就是走流程，最后统一清场。合着我连个绿叶都不算，我是道具更绝的是连封"未通过"邮件都不发，省纸是吧？

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 ...