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；...

双非这份简历在春招有竞争力吗？

实习第三天了，讲讲感受吧，mentor每天都会喊我一起去食堂吃饭，会给我推荐哪家的好吃，吃完饭还会等我，经常没事，会来问我有没有问题，有问题随时来找他。看到我就一个电脑分屏比较困难，还帮我安排了一个新的显示器，可以看下面的图，到现在都没给我派什么任务，让我先熟悉。反正，心里暖暖的

自我介绍根据自身具体情况回答项目介绍看个人项目了进程和线程的区别进程是资源分配的基本单位，线程是CPU调度的基本单位进程拥有独立地址空间，线程共享进程的地址空间进程切换开销大，线程切换开销小进程间通信复杂（需IPC），线程间可直接读写共享数据进程通信方式管道：匿名管道（父子进程）、命名管道消息队列：内核中的消息链表共享内存：最快方式，需配合信号量同步信号量：计数器，用于同步互斥信号：通知事件发生Socket：跨网络通信 线程是否有共享内存有共享内存：同一进程的线程共享堆、全局变量、代码段私有部分：每个线程有自己的栈、寄存器、线程局部存储（TLS） 用户态和内核态区别用户态权限低，不能直接访问硬...