本文是RAG系列第三篇，聚焦构建索引的核心环节——文本分块技术。文章系统介绍了5个级别的分块方法：1）基础字符分块；2）递归字符分块（支持多分隔符）；3）特定文档分块（针对Markdown、代码、PDF等格式）；4）语义分块（基于嵌入相似性）；5）代理分块（LLM驱动的智能分块）。每种方法均附原理说明和代码实现，重点剖析了PDF文档中表格、图片等复杂元素的分块策略。文章指出分块优化能有效解决LLM

Assistants API入门

2024年将迎来AI大模型应用爆发年，文章解析了大模型应用的技术架构。从简单套壳到LLM Agent智能体，再到Function Calling交互接口，逐步揭示大模型如何与企业系统融合。重点介绍了RAG（检索增强生成）和Finetuning（微调）两种技术方案，比较了它们在知识整合、个性化定制方面的优劣。文章以请假系统为例，说明如何通过AI整合企业知识库，帮助普通人把握AI应用机遇，实现职场转型

大语言模型虽强但存在局限性，四大技术正推动其能力进化：1）FunctionCall让AI像遥控器一样调用外部工具；2）RAG通过检索增强防止AI"胡说"，确保回答精准；3）Agent作为智能管家能自主规划执行复杂任务；4）MCP协议则为AI工具交互制定统一标准。这些技术协同工作，使AI从理论派转变为能干的实践者。其中Agent是核心大脑，RAG和FunctionCall是其工具，MCP则提供标准化