经纬恒润 嵌入式面经

从实习到现在，我一直最困惑的一件事就是：为什么有人喜欢“卷”。在很多场景里，总有人为了加班多、拿更多证书、刷更多竞赛而拼命，而我明明觉得按自己的节奏努力就已经够了。看到别人不断超额完成任务、比别人快一步、多学一点，我有时会感到压力，但又不理解这种自我加速的动力。我想，可能每个人对成就感和安全感的需求不同，有的人把“卷”当作证明自己的方式，也有人把它当作攀比和竞争。但对我来说，更重要的是找到自己的节奏和成长方式，不让无意义的竞争消耗掉真正的热情。卷不卷或许不是问题，理解自己为什么而努力，才是我从实习到现在最困惑却也最想弄明白的事情。

双非本末2硕，有一个研究所的实习，但也是做的图像算法工作，至今为止投了1000份简历，只有10多次面试，而且大部分都是一面挂，是不是简历项目太差了，求大佬指点

从小到大听过的最多的公司，绝对的大厂，现如今身边接触的所有互联网产品大半都是腾讯的，感觉是自己内心的白月光，说出去也很有面子，比如微信我开发的啊什么什么哈哈哈哈都是幻想

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...