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> ...

求大佬们拷打简历，投了好多简历了，基本上都没面

3月31日，Claude Code 的源码因 source map 文件未剥离意外泄露。51万行 TypeScript 代码、1903个文件，就这样暴露在了公网上。 而就在泄露后的几小时内，一个韩国开源团队 instructkr 就启动了 claw-code 项目——用 Rust + Python 对 Claude Code 的核心架构进行了 clean-room 复刻。 这个项目 2 小时冲上 50K star，创下 GitHub 历史最快纪录。 对我们求职党来说，这意味着什么？ 意味着你现在可以拆开 Claude Code 的引擎盖，学习一套工业级 AI Agent 系统的设计思路，甚至基...