一个月做出能拿到 AI RAG 工程师 offer 的作品集项目

ashishllm · x · 2026-10-04

作者给出一套从零到进阶的 RAG 求职项目路线,强调每一步都要"像真正的工程师一样"做决策并用实验支撑:

自建向量库:先按业务需求选型——需要 CRUD 就用 pgvector 扩展,追求高可扩展且无 CRUD 就上专用向量库。
设计 chunking 策略:对比段落切块、带重叠切块、文档版面感知切块、LLM 推理切块;对图文混排文档,可分别处理三种内容类型的切块管线。
构建并评测检索器:在语义检索、关键词检索、混合检索之间用 eval 数据集实测,用 Precision、Recall、MRR、HitRate、Context Recall 等指标决策。
有理有据地选 LLM:面试会问"为什么选这个模型",回答要分层——先讲成本 vs 精度的权衡(选便宜模型是合法决策),再在同类价位用 eval 数据集对比 3-4 个模型的 Faithfulness、Groundness、Answer Relevancy(可用 LLM-as-judge 或人工评估),用数据说话。

「编程与Agent」频道最新