1、RAG 流程RAG 一般分成离线和在线两部分。离线侧主要做文档接入、清洗、切分、向量化和索引构建。文档来源可以是产品文档、帮助中心、接口文档、历史问答、内部知识库。清洗之后按段落、标题或者固定窗口做切片，再用 embedding 模型把文本转成向量，写入向量数据库，同时保留 metadata，比如文档类型、时间、部门、权限标签。在线侧通常是用户问题进来后，先做 query 预处理，比如改写、纠错、意图识别，然后拿 query 去做检索。检索可以是向量检索、BM25 检索或者混合检索。召回到候选片段后，再做 rerank，把最相关的内容排到前面，最后拼接 prompt 和用户问题一起送给大模...

现在AI这么恐怖，毕业26，能干到30吗？暑期实习也找不到，感觉快进斩杀线了啊

难道前端真的已经不行了？

大后端笔试编程题太难了也两道只通过了0.09第一道好像是给的字符替换规则和替换后字符，反推最开始的字符串有几种。应该要动态规划，但想不出来。第二道是给m个数和一个01子串，看是否划分m段对应数组的数字。没啥思路，只会转二进制，后面想不到怎么做，随便输出过了9%