1、为什么引入父子索引，为什么引入 BM25，比例是怎样的，具体流程是什么，有没有 rerank父子索引主要是为了解决 切块后召回准，但是上下文不完整 的问题。如果文档直接按 300～500 token 切成小块做向量检索，确实更容易召回到具体答案，但很容易丢掉原文结构，比如标题、段落关系、表格上下文、前后约束条件。所以会把文档拆成两层：父块：保留完整语义单元，通常是 800～1500 token子块：用于召回，通常是 200～400 token检索时先搜子块，命中后回源到对应父块，再把父块内容喂给大模型。这样既保证召回精度，也保证上下文完整性。引入 BM25 是因为向量检索对语义相似比较敏感...

###

211，数据分析方向，26届，现在拿到一个offer了，趁着还记得，复盘一下哪些地方白搭了时间。 1. 网申填表没早点用工具 这是我最后悔的一件事。前两个月手动填每家表单，有的公司还有父母信息、在校成绩单、个人综合测评，一张表四十分钟起步。 后来同学说牛客有个网申助手，信息录一次，各家表单自动填，装完之后悔恨了很久怎么没早用。 以我投了45家来算：前25家手动，均摊每家15分钟，总计约6小时。后20家用工具，大概平均5分钟，共1.7小时。光这一项就差了将近4小时。 找工作的同学：早装，越早越好。 2. 简历反复改，追求完美浪费时间 前期花了将近两周在打磨简历，从第五版往后每次改动对结果几乎没有...