一、概述与全链路 RAG（检索增强生成）：用户提问 → 检索知识库相关片段 → 注入 Prompt → LLM 基于真实数据生成。解决知识截止、幻觉、无法访问私有数据。 Naive RAG（检索-拼接-生成）→ Advanced RAG（Query 改写、混合检索、Rerank）→ Modular RAG（可插拔模块、Agent 动态决策） 文档 → Chunking → Embedding → 向量数据库 用户查询 → Query改写 → 向量化 → 混合检索 → Rerank → Prompt → LLM生成  二、文档处理（Chunking + Metadata） 切分策略    策略 ...

😭😭😭调剂下岸了，想找个硬件助理，但是我这项目还是臭课设水平。

4.27-一面 第二天约了二面4.30二面，现在还没后续好焦虑，什么时候出结果一面约面和二面约面都加了微信，好想去问问，但是担心催挂了#阿里云