在 AI 应用的场景中，rag可以说是一项必备的技术，在智能客服，导购 agent，智能创作等有检索需求的场景都会使用到，所以这里结合一些实际的应用场景和大家做一些分享一，数据准备数据准备是 rag 整个流水线中非常重要的一环，所以在实际的生产场景中，也主要是看数据解析，以及使用不同的向量库落库的过程 文件解析（pdf，docx，txt，md）目前常见的文件解析，就是利用 Apache tika 等开源库做解析组件，但对于一些富文本的数据，比如有图片和表格的情况，就要借用 ocr 等辅助手段大表格处理表格是比较常见的数据类型之一，但是大表格解析通常会有一些问题比如在切块的时候如果每一行都作为 ...

简历我叫ai压缩成了一页,如图所示j

本人bg 双非本 211 硕，暑期/日常实习投递从3月一直到现在 0 offer简历情况是一段包装的实习经历 + 仿小红书项目除了简历挂也收到过大厂的面试（虽然不多），感觉似乎简历不容易被捞起来，或者被捞起来但不感兴趣。抛开运气、表达能力等难以改进因素。认为可能的因素如下：包装的实习经历有漏洞、太简单、公司知名度小？自身的仿小红书项目没有亮点、太简单、业务相关度低？现在是5月22号了已经，不可能不焦虑内耗。目前自己能想到的改进意见是：个人项目优化，在原有的基础上融合黑马点评 或 直接换一个项目如马丁的牛卷找一个独立的包含工作流的Agent项目加上去说实话自己因为心态起伏状态挺差，找不到方向比较...