一、概述与全链路 RAG（检索增强生成）：用户提问 → 检索知识库相关片段 → 注入 Prompt → LLM 基于真实数据生成。解决知识截止、幻觉、无法访问私有数据。 Naive RAG（检索-拼接-生成）→ Advanced RAG（Query 改写、混合检索、Rerank）→ Modular RAG（可插拔模块、Agent 动态决策） 文档 → Chunking → Embedding → 向量数据库 用户查询 → Query改写 → 向量化 → 混合检索 → Rerank → Prompt → LLM生成  二、文档处理（Chunking + Metadata） 切分策略    策略 ...

timeline3.9投递3.19一面3.31二面4.1告知二面通过免三面4.2hr面4.3oc人生第一次面试就是字节，没想到最后竟然能oc。（ 免三面真的很意外😳）

灵神太强了，写力扣没这么爽过

如果AI时代你还要花钱学Agent，我劝你别做AI了😅 钱交了也不一定能找到工作，开源资料很多，而且还有很多AI软件，你完全可以进行自学！教大家最直接的打法：做个AI项目+写简历+投递面试，没有实习你就找个小公司AI业务实习，管他钱多钱少，最重要的是你要真实的接触业务场景啊！！！！ 当然如果你运气好，能进大厂，那更是锦上添花了！！！最基本的路线：1、了解什么是Agent？2、市面上最前沿的讨论是什么？3、怎么做个小项目？看了很多同学的简历，其实大部分都是玩具项目，没啥数据也没啥使用，这个不要紧，重要的是会做！会用AI二次解构一些项目，例如烂大街的“点评”项目，你完全可以用AI进行二次解构，如...