五分钟后，导师回复了一个链接。 我点开一看，是一份长达三页的代码review文档，从架构设计到边界条件，从性能优化到可读性改进，每一条都标注了具体的修改建议和参考资料。 最后一行写着："这种分布式锁的实现方式在高并发场景下会有问题，建议周会时我们一起讨论下更优的方案。" 我愣了几秒，然后在群里打字：  "导师，这也太详细了吧……您花了多久？"  导师秒回：  "十分钟。在PDD，我们对代码质量的要求就是这样。你现在写的每一行代码，将来都可能要承载千万级QPS的流量。"  那天晚上，我把那份review文档打印出来，贴在了显示器旁边。 ...

不过还是挺开心的hhh

你在leetcode上练的都是死代码能力🤣

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，...