百川智能 数据开发

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，...

这是我在BOSS遇到最有人性的hr，他的鼓励简直让我这么久人机般投简历来，最感动的一次，真的好想进这家公司啊😭😭😭

民办本，投了简历到现在没有一个约面，是我这个简历太垃圾了吗？各位大佬帮忙看一下有什么需要修改的

1. 内容缺失问题是什么？内容缺失，指的是用户问题明明有答案，但检索阶段没有把真正相关的文档召回出来，最后模型拿到的上下文不完整，回答自然就缺信息。这类问题在 RAG 里特别常见，因为很多时候不是模型不会答，而是它根本没看到关键内容。常见原因就是切块切坏了、向量化效果一般、召回 topk 太小、查询改写不到位，或者知识库本身就缺数据。2. 为什么会错过排名靠前的文档？这个问题本质上是检索排序问题。有些文档明明相关，但因为向量检索只看语义相似度，或者 BM25 只看关键词匹配，结果真正有价值的文档没排到前面。尤其是用户问题比较短、表述模糊、专业术语多、别名多的时候，这种情况更明显。所以很多线上系...