1. 如果知识库原始数据不是 markdown，而是 PDF、PPT、图片或者网页，你会怎么处理进 RAG 系统？PDF 和 PPT 会提取标题、段落、表格和页码，图片先做 OCR，网页先抽正文和元信息，然后统一清洗噪声、去掉页眉页脚、按语义做切片，补上来源、时间、文档层级这些元数据，最后再做 embedding 和索引。这样后面的召回、溯源和权限控制都更稳定。 public List<Chunk> buildChunks(Document doc) { List<Block> blocks = parser.parse(doc); List<Block> ...

这家公司疯了吧，5个人招我，我又不是什么稀缺资源这家看样子应该是外包公司

大二小登简历求拷打

段段很久没法文章啦，主要是最近是多事之秋，跟主管battle绩效，还要面试和推进流程，实在没心情，现在offer下来了，基本尘埃落定了，段段也准备南下了。 AI Coding已经深入到每个程序员的工作中了，从最开始的尝试、质疑、理解和接受，这个过程是非常快的，也应了我之前发的文章中提到的，AI现在是指数级发展。 本文将结合日常工作经验，为大家梳理一下AI Coding的几个实战技巧。一、幻觉边界、测试先行 测试先行，测试先行，测试先行，重要的话说三遍。为什么要测试先行，可能很多人要问了，测试不都是最后吗？那是以前了，但是现在用AI写代码，就会涉及一个问题，如何保证AI写的代码最后能通过测试，我...