求助大佬们解答

嘿，兄弟们好，我是飞哥，临近过年没事，再来唠唠我做过的票务系统。在票务这行，库存就是命脉。“超卖”（Over-selling）让你赔钱丢名声；“少卖”（Under-selling）让老板觉得你技术不行，票明明有却卖不出去。今天飞哥就结合这几年在票务系统摸爬滚打的经验，跟大家好好唠唠这里面的深水区。1. 为什么“超卖”和“少卖”是系统的生死劫？很多兄弟初学并发，觉得写个 synchronized 或是 ReentrantLock 就能高枕无忧了。但在分布式架构下，这就像是用塑料袋去兜洪水。超卖： 就像 10 个人同时挤进一个窄门，大家看到货架上还有最后一张票，结果 10 个人都下单成功了。少卖：...

末九本科参加春招，之前考研，不过已经寄了。这个不是简历，是我现在四年的所有经历，目前主要是不知道选那个方向，大模型算法那些听说很难，但是硬件我又不会，求指点方向。

这样春招有戏吗？求佬看看

原文链接：HikariLan's Blog 当提到“如何为大模型提供大规模的可用于检索的信息”时，我们第一反应想到的大概率是 RAG 一类的解决方案，但现在我要说，基于文件系统访问（FileSystem Access）的检索方式可能远比使用 RAG 更好。 什么是 RAG？为什么需要 RAG？ **Retrieval-Augmented Generation（检索增强生成，RAG）**是一种可以允许 LLM 从大规模非结构化信息中进行语义检索的技术方案。 我们之所以需要 RAG，是因为大模型内置的知识内容可能不符合我们的需要，例如这些内容可能已经过时（因为用于大模型训练的语料库并不会随着使用者...