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；...

今日首蚌，真的很难绷住

欠下的债终究是得还的，早知道不实习了。。。

福利: ✓早晚餐免费：解决了打工人最实际的两餐问题，省心。✓午餐自助只要8元 : 这个价格真的很良心了，选择也不少。 ✓晚上9点后打车报销 ✓每月2次2小时短假： 灵活处理个人事务的小福利，很实用。 ✓入职礼包很贴心： 收到一个大容量的双肩包，质感不错，通勤背电脑正合适，特别喜欢这点。 办公环境超出预期： 氛围整体感觉轻松有序，没有想象中的紧绷感。 公司里居然有 团宠猫猫！还有个小 花园 和 秋千，午休放松或者换个思路挺不错。 办公形式比较自由，不强制固定在工位，可以在公共区域或者找个安静角落。 工作方面，第一天就感受到专业性： 安排的 1v1培训很细致。 接触到亚马逊业务相关的流程时，印象非...