在 AI 应用的场景中，rag可以说是一项必备的技术，在智能客服，导购 agent，智能创作等有检索需求的场景都会使用到，所以这里结合一些实际的应用场景和大家做一些分享一，数据准备数据准备是 rag 整个流水线中非常重要的一环，所以在实际的生产场景中，也主要是看数据解析，以及使用不同的向量库落库的过程 文件解析（pdf，docx，txt，md）目前常见的文件解析，就是利用 Apache tika 等开源库做解析组件，但对于一些富文本的数据，比如有图片和表格的情况，就要借用 ocr 等辅助手段大表格处理表格是比较常见的数据类型之一，但是大表格解析通常会有一些问题比如在切块的时候如果每一行都作为 ...

还有后续，笑飞了，hr回了个👌🏻

投了一大堆的日常，全都在初筛😢😢😡😡😡😡

最近帮几个学弟学妹对了一下字节客户端暑期实习的面试反馈，都是 27 届、C++ 方向、一轮技术面。他们聊下来节奏差不多：项目能讲十五分钟左右，中间夹着八股，最后手撕，整场大概一小时。八股这块有个共同点——不是背一句定义就过，面试官爱接一句「你项目里怎么做的」。手撕有人碰到两数之和，写完会追问复杂度。有的已经收到感谢信，有的还在流程里，题目我按反馈重新组织过表述，和网上原文不会对上字，考点应该是齐的。结合项目说明 std::shared_ptr 的典型使用场景与引用计数释放时机shared_ptr 循环引用的产生原因及 weak_ptr 等解决方式进程与线程在地址空间、调度单元、通信方式上的对比...