1. 如果知识库原始数据不是 markdown，而是 PDF、PPT、图片或者网页，你会怎么处理进 RAG 系统？PDF 和 PPT 会提取标题、段落、表格和页码，图片先做 OCR，网页先抽正文和元信息，然后统一清洗噪声、去掉页眉页脚、按语义做切片，补上来源、时间、文档层级这些元数据，最后再做 embedding 和索引。这样后面的召回、溯源和权限控制都更稳定。 public List<Chunk> buildChunks(Document doc) { List<Block> blocks = parser.parse(doc); List<Block> ...

绷不住了

我投的后台开发。。。这还要面吗

那是一个周四下午，距离大促还有不到两天。 我正在按照清单做最后的上线检查，没什么特别的。监控正常，流量平稳，接口响应也没有问题。照理说，我应该打个对勾，然后准时下班。 但那条日志让我停了下来。 不是报错，也没有触发告警。只是一条看起来有点奇怪的日志：某个下游服务在低频情况下返回了一个不太对劲的状态码，没有被任何监控规则捕获，却在日志里安静地躺着。 我盯着它看了很久。 说实话，我不确定这算不算问题。我在这里实习才一个多月，对这套系统的了解还不够深。也许这是正常的降级逻辑，也许是某个不影响主流程的边缘情况。我甚至想过，要不先记下来，等大促过了再说。 但我还是在群里发了一条消息，@了我的导师：&qu...