1. 个人介绍2. 实习拷打3. RAG 的优化，项目中 Agent 的流程RAG 的核心链路是：文档处理 -> 建索引 -> 检索召回 -> 重排筛选 -> 上下文拼接 -> 大模型生成。它的优化也主要围绕这几步展开。先说文档处理。原始文档不能直接粗暴切块，要先做清洗，比如去掉无效页眉页脚、目录、乱码、重复段落。然后做合理切分。切分太大，会带入噪声；切分太小，上下文会断。常见做法是按段落、标题层级、语义边界切 chunk，并适当设置 overlap。再说检索阶段。RAG 不一定只用向量检索，通常会把 BM25、向量召回、关键词召回混合起来。向量召回解决语义相似，...

变成了坚定的图灵派（雾）

😢 飞书电话会议。我真的搞不懂，那些问题我基本上都回答出来了，咋回事呢。

✅ 秋招备战指南 ✅ 💡 学习建议：  先尝试独立解题 对照解析查漏补缺   🧸 题面描述背景等均已深度改编，做法和题目本质基本保持一致。 🍹 感谢各位朋友们的订阅，你们的支持是我们创作的最大动力 🌸 目前本专栏已经上线180+套真题改编解析，后续会持续更新的  春秋招笔试机考招合集 -> 互联网必备刷题宝典🔗 滴滴-2026.03.08 这套滴滴题是很典型的“两道题都要先把问题压扁”的组合。 第一题表面上是在问很多个阈值下的统计结果，真正该抓的是“最终到底出现了哪些正高度”；第二题表面上是三元组计数，真正该做的是固定前两个量后一次算完第三个量的贡献。 题目 1：仓储层位观测 ...