也不知道有没有人看，当作自己博客随笔写点吧。专科前 2015~2018初中迷上了某游，然后逐渐学会的开私服、写私服代码，甚至都能靠着学来的编程技能挣这些年的一部分学费生活费。以前父母严管所以没买电脑，后来初三我自己挣了钱自己买。从此开始，虽然也在一直学编程，但也沉迷上了玩游戏，这某种程度也为后续的学习状况埋下了伏笔专科时间线 2019~2021机电一体化专业，学的其实也还行，但本身就对这专业不感兴趣所以也没想着往电气行业发展。一入学就决心专插本（广东的全日制专升本）但心不够稳定，一直怀疑自己连初中数学都学不好，还能学好高数吗？20年末理论上应该备考专升本，但由于怀疑自己的能力，所以浑浑噩噩的也...

😭求锐评😭找不到实习好伤心

楼主的秋招真是异常惨淡，好几个终面/排序挂，北上的很多大厂根本连简历都过不去，最后拿了一个 4399 游戏开发和北京中厂的搜推业务，但都没选，背水一战备战春招。幸好机缘巧合进了在垂类领域比较有名气的 ai startup 公司实习，后续字节，阿里，b 站都主动约了面试，最后也算是终于结束校招了，base 在广州，给的薪资也挺满意的，面试过程比较顺利基本上都是秒过，面经就不发了聊的都是 agent 的实习，去做的也是 agent 后端

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；...