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 ...

唉，继续投吧 有无一起找实习的同志抱个团

首先是个很小的公司，实习生和正式工工作没区别，正式工几乎每天无偿加班。java开发实习生工作量很多，没有人教你，要求无偿加班，并且是纯外包公司，buff叠满了

刷到有人问华泰星战营，翻下去年的经历，随便写写。bg：本天津大学，硕新国立，江苏人。当时其实主要是想找个暑期实习，对秋招有帮助那种。华泰base南京，我肯定重点看。没想着一定要拿offer，就觉得能去券商科技部门体验一下挺好的。结果……后面真拿到了，还拿了最高档奖金。我做的课题：金融领域有个痛点——前台写报告需要翻大量资料找数据，纯纯体力活。我们搭了个智能体，用大模型编排了一套流程：海量文本去重→提取→再加一个“反思”节点。就是第一轮提取的结果不一定符合需求，让大模型自己反思一下上一轮的结果，循环迭代，直到输出满意的东西。最后还要转成md这种指定格式。相当于一个“提取+反思”的循环结构，帮前台...