紧密关注AI发展的你应该已经注意到了越来越多的平台和公司开始做AI智能体（Agent）。最近爆火的开源项目 OpenClaw🦞，更是把 “AI 能自己动手干活” 这件事推向了大众视野，让大家直观感受到：AI 正在从只会聊天的机器人，变成能独立执行任务的智能助理。不同于AI聊天机器人单纯的执行用户命令，智能体化身为能思考的“助理”，探索用户的需求、并针对需求自行思考并搜索用户需要的信息，比如你要求AI写周报，普遍AI可能只是写一段文字，而智能体可以回顾周工作记录——>总结工作重点——>排版——>发送给用户。也就是说，AI不仅能聊天，还能 参与信息分发和内容理解。实际上，在大厂...

难道前端真的已经不行了？

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，...