1. 自我介绍2. RAG 怎么优化，评估时你会看哪些指标RAG 的优化一般不能只盯着生成端，很多问题其实出在检索阶段。常见优化思路包括 query rewrite、chunk 切分策略调整、混合召回、重排序、上下文压缩和引用约束。比如文档切得太碎，召回会有信息断裂；切得太长，又容易把无关信息一起带进来，生成端会受污染。真正线上效果好的 RAG，通常不是“某个 embedding 更强”，而是检索、排序、上下文组织和回答约束配合得比较好。评估时我一般拆成两层。第一层看检索，比如 Recall@k、MRR、HitRate，看相关证据能不能被捞上来；第二层看生成，比如答案正确率、faithfuln...

这个是流程终止了吗

都怎么样了啊？兄弟们，我这在boss上沟通基本都不要我的简历就拒了

现在想真正入门AI，第一步已经不再是找教程，而是先买一个账号。很多人一开始用免费工具，觉得也能用，但很快就会发现限制很多：模型能力受限、响应不稳定、上下文不够、功能被阉割。这种环境下，很难形成持续学习和深入探索。