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；...

没有实习没有项目经历，还有弥补的方法了吗

实习对leader有好感……要不要主动➕V啊！她是我喜欢的类型，自信大方、精明能干、性格开朗还长了一个娃娃脸，很可爱感觉是没有男朋友的，但是我刚来实习一个月，我们说话讨论都是在群里的，怕主动加她V会很奇怪，被看出来我的意图兄弟们，我要不要冲一把

前言公司新来的实习生最近问我几个问题，说我们为什么要用logback？为什么不用log4j？它们的区别是什么？这么多日志框架，到底该用哪个？我不禁想起了自己刚接触 Java 时面对日志选择的困惑。Java各种日志框架的“江湖恩怨”确实让不少开发者，无论是新手还是老鸟，都感到有些头疼。各种框架层出不穷，依赖关系错综复杂，稍不注意就可能掉进“坑”里。为了让更多对 Java 日志体系还不太清晰的朋友们能够拨云见日，我决定花点时间，系统地梳理一下这些常见的日志框架，聊聊它们的前世今生。希望能帮助各位在实际项目中做出明智的选择。耐心看完，你一定有所收获。正文很久以前：System.out.println...