24秋招offer

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> ...

感觉现在状态不是很好很难沉下心去钻研项目也不想待在学校了😞😞😞就那学过的东西凑了个简历，可以去找实习吗？还是说在写写项目精进一点?现在八股一点没背，LeetCode刷了3/400道不过一个寒假没看了基本忘完了😢😢😢，求大佬给我指个方向

今天刚面完，有点无聊，攒一下人品，依旧自我介绍起手用的是赛码网，拷打实习和项目部分略过，都是跟@前端小圆学的vue和react简历上都写了所以仔细问了下区别，选型，场景性能优化虚拟列表强弱缓存以及使用场景http和https的区别http1.0和http1.1的主要区别实习中感觉困难的事情大文件上传skills和rules的区别，顺带聊了下mcp和平时业务中使用等场景react的fiber机制typescript的interface和type的区别算法：https://leetcode.cn/problems/valid-parentheses/?envType=study-plan-v2&a...