之前团队在做合同审查和研报问答两个 RAG 项目，踩了不少分块（Chunk）相关的坑。今天把这块经验整理一下，希望对正在做类似事情的朋友有点帮助。先搞清楚 Token 这个概念做 Chunk 之前，得先理解 Token。很多人把 Token 简单等同于"字"或"词"，这不太准确。Token 是模型实际处理的最小单元，中文大约 1.5-2 个字对应一个 Token，英文则大约是 0.75 个单词一个 Token。这件事为什么重要？因为不同类型的文档，Token 密度差异很大。我们实测过：一份 20 页的中文合同，大约 8000-12000 个 Token；...

可以去冲一下大厂吗

25届本科生，简历写成这样可以吗，毕业回家了过完年来找工作，很迷茫，不知道投什么岗写项目完全离不开ai，就是投小厂开发岗也感觉过不去面试

声明，该项目只适合中小公司，适用岗位为初级爬虫/数据采集/电商流程自动化/RPA。结合我过往面试中遇到的问题总结主要平台：淘宝、京东的数据爬取技术栈：request、redis、Selenium/playwright、Pandas可视化：PBI/飞书表格面试中可能遇到的问题1，面试时项目介绍主要采集两个平台的商品基础信息(商品名称、规格、价格书、商家、用户评论)，用Selenium去提取Cookie值保持登录，然后用request请求页面数据，将爬取到的数存入Excel/Mysql中然后用Pandas清洗数据,数据量介绍在8000-12000之间都行，也可不介绍2，selenium和panda...