许愿许愿许愿！许愿oc

先说结论，ai的蓬勃发展对于秋招说来讲毫无疑问是绝佳的机会，从我的角度来看，建议有后端基础的可以全面拥抱ai应用开发岗。  本文从个人秋招视角出发，浅谈各岗位难度差异，以及ai浪潮下为什么要选择ai应用开发这个岗位(综合难度结合周围同学经历，评价较为主观)。 互联网行业的秋招主要分为以下几个大类: 算法岗(含ai infra) : 语言以python为主，毫无疑问的待遇天花板，门槛极高，学历非双九基本机会不大，综合难度5⭐； java后端开发岗：极卷，岗位多，人也多，ai面/笔试/2-3轮技术面，流程教程，难度较大，主要围绕八股及算法，双非有垂直大厂实习经验也有机会，但在横向比较时不占优势，综...

记得那年大三的时候，我们都在玩，室友突然说要去一线城市实习，我们都笑他不好好把握没课的大学时光……结果第二年开春室友回来之后就变了一个人，游戏也不打了，整天就是抱着电脑刷题，做项目，闲下来的时候就给我们讲实习遇到的同事，还有好mt，他说现在很清楚知道自己想要什么，不考研不考公，想去大厂工作……最后我们都在考研的时候，他已经拿到了大疆的offer，有一次碰到他刚好一起进图书馆，我问他年薪多少，他不好意思的笑了笑，40w+，然后我两就分开了，他去了机房，我去了自习室……

面试官开口就问：“同学，你期望的工作地点是哪儿啊？”我想都没想直接说：“广州啊。”对面瞬间安静了半天，然后慢悠悠来了句：“同学，我们总部在北京，秋招也只招北京的岗。”我当时直接懵了，脱口就是一句：“啊？北京？你们公司在北京啊？那北京也行！”

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...