之前团队在做合同审查和研报问答两个 RAG 项目，踩了不少分块（Chunk）相关的坑。今天把这块经验整理一下，希望对正在做类似事情的朋友有点帮助。先搞清楚 Token 这个概念做 Chunk 之前，得先理解 Token。很多人把 Token 简单等同于"字"或"词"，这不太准确。Token 是模型实际处理的最小单元，中文大约 1.5-2 个字对应一个 Token，英文则大约是 0.75 个单词一个 Token。这件事为什么重要？因为不同类型的文档，Token 密度差异很大。我们实测过：一份 20 页的中文合同，大约 8000-12000 个 Token；...

最近投了几下都约不到面😨😨还是太菜了😓😓😓哥哥们有啥意见😢😢

给点建议吧，投不到工作😭😭😭

面试录音转文字记录，然后AI总结业务与项目经验（电商/订单方向）Q：针对淘宝接口的时间限制，你们如何拉取和存储订单？A： 淘宝默认只给 3 个月数据。通过聚石塔接入，普通版用户调 API 实时拉取；高级版用户则通过 TMC 消息队列或 RDS 数据库实时同步并持久化存储，可回溯至 6 个月。 Q：复购标签/复购率的具体判定逻辑是什么？A： 在 6 个月范围内，若当前订单的买家 ID、卖家 ID 及商品 SKU ID 与历史记录匹配，则判定为复购。 Q：如何优化复购查询性能并处理高频刷单场景？A： 数据库层面：建立专门的索引表，包含买家/卖家 ID、SKU/SPU ID 及创建时间，避免直查主库...