一面

一、项目介绍一下 RAG 项目。RAG 项目有什么亮点？2.1 RAG 全链路处理环节具体是怎么做的？文档处理流程是怎样的？3.1 多格式文档如何解析和统一入库？3.2 文档中的图片信息如何参与检索？

字数: 398 | 语雀原文

一、项目

介绍一下 RAG 项目。
RAG 项目有什么亮点？ 2.1 RAG 全链路处理环节具体是怎么做的？
文档处理流程是怎样的？ 3.1 多格式文档如何解析和统一入库？ 3.2 文档中的图片信息如何参与检索？
文本相似度匹配是怎么实现的？ 4.1 向量检索和关键词检索分别怎么实现？ 4.2 两路检索结果如何做融合？ 4.3 RRF 权重比例是多少，为什么这样设置？ 4.4 1:1 权重是如何确定的，是否只是基线配置？
如果从自然语言文档检索拓展到代码片段检索，应该怎么实现？ 5.1 现有的相似度匹配方案还能否直接用于代码检索？ 5.2 如果要在代码库中筛选存在风险或不规范的 SQL 语句，应该怎么处理？ 5.3 拉取完整源码后，如何过滤出 SQL 相关代码片段？ 5.4 可以使用哪些工具或规则来辅助筛选和分析代码？二、八股

无

三、算法

无

四、AI Coding

30分钟内，随意使用自带的AI Coding工具，可以找开源。完成MR审查系统，支持拉取真实github仓库的MR请求，对代码的合法性等进行审查，同时可以多种编程语言、大文件、大代码段（超过LLM上下文）等各种边界情况。