之前团队在做合同审查和研报问答两个 RAG 项目，踩了不少分块（Chunk）相关的坑。今天把这块经验整理一下，希望对正在做类似事情的朋友有点帮助。先搞清楚 Token 这个概念做 Chunk 之前，得先理解 Token。很多人把 Token 简单等同于"字"或"词"，这不太准确。Token 是模型实际处理的最小单元，中文大约 1.5-2 个字对应一个 Token，英文则大约是 0.75 个单词一个 Token。这件事为什么重要？因为不同类型的文档，Token 密度差异很大。我们实测过：一份 20 页的中文合同，大约 8000-12000 个 Token；...

最好的mentor：1.对接需求时，会很耐心的和你拆分讲解每一个注意的点。对接完后，任何时候有不懂的地方，卡点的地方，mentor随叫随到。2.很懂的与人相处，并不会因为我们是实习生就高高在上的样子。相反，好的mentor会跟我们处朋友一样，闲聊，唠嗑，吃饭，会很乐意与我们分享技术。（说到这就得提一下我司了，开完评审会mentor请喝奶茶，答辩完组长请喝奶茶，进新的业务线又被请喝奶茶）最拉的mentor：目前还没遇到🤓

https://www.buganleba.com/

往年这个时候，面经不断，大家面试的不亦乐乎，现在面你的，等下面他的，最后面她的，一个一个来，结果今年很多岗位石层大海，有些到现在都还没有面试，难不成春招成大型kpi现场。不慌，让子弹在飞一会