一、概述与全链路 RAG（检索增强生成）：用户提问 → 检索知识库相关片段 → 注入 Prompt → LLM 基于真实数据生成。解决知识截止、幻觉、无法访问私有数据。 Naive RAG（检索-拼接-生成）→ Advanced RAG（Query 改写、混合检索、Rerank）→ Modular RAG（可插拔模块、Agent 动态决策） 文档 → Chunking → Embedding → 向量数据库 用户查询 → Query改写 → 向量化 → 混合检索 → Rerank → Prompt → LLM生成  二、文档处理（Chunking + Metadata） 切分策略    策略 ...

求大家看看这份简历有啥缺点。boss好多已读不回的我已经麻木了，大家嘴毒一点指出来没关系的

不玻璃心，这个简历像在暑假找个实习干干，有机会吗🥺

大家好，我是杭州某大厂中台后端研发。最近一次线上紧急排障，让我彻底想明白了一件事：AI 再强，程序员的 SQL 基本功永远不能丢。背景：周末深夜被线上问题叫醒某个周末晚上，我接到上游部门研发同事的电话：需要紧急查询一份线上数据。数据源跨不同实例业务表拆分出 8 张分表需要统计总数 + 关联两张表字段线上问题响应不能拖，我一边远程配合，一边凭脑子里的业务表结构手写 SQL。结果第二个组合查询第一次没跑通，同事 Review 后又改了一轮才真正可用。事后复盘，我很清楚：极限压力下，手写 SQL 的能力依然不够稳。灵魂一问：AI 都能写 SQL，我为什么还要练？现在确实是 AI 时代，只要描述需求、...