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> ...

211本985硕,暑期快手已经用人部门筛挂两次了😡😡实习已经改了一版了,需要写的更详细点吗😭😭😭

想先找个小厂

CPU 飙高排查我一般分三步：第一：确认是用户态还是系统态高，用 top 看 us/sy/wa第二：定位具体进程，再定位线程第三：结合线程栈分析是死循环、锁竞争、GC 频繁还是线程过多1）us 高、sy 低、wa 低含义：纯用户态计算，无阻塞、无系统调用、无 IO典型原因死循环复杂计算 / 递归JSON / 序列化疯狂正则回溯爆炸GC 线程疯狂（VM Thread、GC task）栈特征：大量 RUNNABLE，一直占 CPU 不释放一句话：us 高 sy 低 = 业务代码死循环 / 计算密集 / GC 频繁，直接 jstack 找 RUNNABLE 栈。2）sy 高、us 低 / 一般含义：...