进行es的长文本切分，大大提高了问答召回的准确率 解决es同一篇文章出来的结果，排序及分值不同的问题，解决单层pdf抽取乱码问题

主要结合之前负责的问答产品及公司的渊海知识图谱，前后端并行开发的敏捷开发模式，本人技能主要实现于卡词排序算法，搜索算法调优，图谱产品算法优化，简单的水印算法，简单的推荐算法，word/excel文档解析导入导出，单点登录及加密约束，单双层pdf解析

任务描述： 本项目中，本人作为空降部队，在产品规划第三个月重点参与，担任开发指导及核心开发角色，应用已有问答领域知识，赋能公司战略级产品，自研大语言模型的上层应用，取得如下成绩： - 通识case1.2k 问答准确度达到 85%以上（含faq97%） - 召回覆盖率 92% - model：openai-gpt-3.5-turbo-16k 责任描述： 本项目中，本人展现了问答专家系统能力，从头脑风暴，到业务对接大模型，在工程中合理使用langchain的设计思路，解决切片、思维链等问题，同时引入最新搜索技术，解决项目中的多路召回问题；整个功能架构，从文档解析，切片，召回，精排，意图改写，向量embedding，prompt提示词模板...。全面掌握，问答系统在大语言模型上的完整实现。