面試現場：戰五渣勇闖互聯網大廠 面試官（推了推眼鏡，面無表情）：請坐。我們開始吧。 戰五渣（緊張地搓手）：好、好的！我準備好了！ 第一輪：基礎技術棧考察（Spring Boot + Web + 構建工具） 面試官：你們項目用什麼構建工具？為什麼選它？ 戰五渣：Maven！因為……公司都用這個，我也跟着用。（撓頭）
企業在智能化升級的浪潮中，知識問答和智能客服的需求不斷激增。然而，傳統的 RAG 方案往往依賴外部向量庫，導致架構複雜、數據同步困難和高昂的運維成本。 本方案將基於雲原生數據庫 PolarDB 構建 RAG 智能知識系統，融合原生 IMCI 向量索引與 PolarDB for AI 能力，通過原生 SQL 調用列存向量節點和 AI 節點，無需外部向量庫，實現數據與知識的閉環
寫在前面：要想做一個比較好RAG系統，我認為還是在數據收集和清洗上下一點功夫。因為要想檢索有效 - 你能提供給模型更有價值的信息。現有chunk的方法有很多，但是我試了很多種（包括一些基於大量規則的），最後發現很難適配多樣化的數據集（針對不同來源，比如論文、內部資料）。 基於這個思路，我想的是讓LLM本身來切分文檔。優點
