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；...

马上大三下了，java学到苍穹了还没去找实习，主要还是太懒了，八股感觉太难背了，要不要转方向，测试学习周期好像挺短的

1、对生产环境保持敬畏： 永远不要在生产环境直接操作！哪怕是查询也要带上 Limit。所有的删除、更新操作，必须先在测试环境跑通，并在执行前找第二双眼睛（导师或同事）帮你 Review。2、Git 操作要规范： 别在 Master 分支乱搞。提交信息（Commit Message）要清晰：feat: 增加XX功能 或 fix: 修复XX内存泄漏。这体现了你的工程素养。3、不耻下问，但不问重复的问题： 问过一次的问题，一定要记在小本本上。同一个坑掉进去两次，是实习生评价最大的“减分项”。