鼠鼠bg211本，无ai项目，感觉来不及，最近会补些ai东西，目前情况如下1.字节不给面，去年脏过面评，过年前几天打电话约面，没状态遂放弃，暑期不约面2.虾皮日常，一面挂，实习讲的粗3.腾讯暑期，一面挂，项目准备不充分，瞎扯被面试官识破4.快手一面挂，一些深八股还有场景纵然有思考，但有4,5个槽点，不给推流程了5.拼多多因为要补考，笔第二次，成绩2.多，被挂，学长去年字节实习4月多离职的，5月拿到的offer,以为并不晚，现在看来确实有点晚6.美团不约面,还以为是救命稻草，今年没想到啊没想到，看到问ai了，我最近研究研究7.网易互娱4.1笔第二场（成绩1.37），感觉有点晚，我都看见有人拿of...

百度京东啥的投了一直没动静，求佬们帮忙看看能改进的地方

没想到挂了还有感谢信啊哈哈哈哈啊哈哈啊哈哈

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> ...