水母我啊，完全是代码0基础文科生，但是作为25届在校招生在AI行业站住脚跟，在55开的转正率成功留用并定为高P级，做成一些项目取得一些成就赚到了预想之外的钱钱后，想为也许在焦虑迷茫的不懂技术的小伙伴分享一些经验~从业务的视角聊聊，我们在投递非技术岗的时候，有哪些面试技巧，以及企业想要的人才画像——叠甲：本人也是摸爬滚打的经验此篇文章绝非万能焚诀——AI产品、AI销售、AI运营...这些岗位都不要求你会写代码,但你必须真正理解AI是什么,能做什么,不能做什么面试官是怎么判断你懂不懂AI的？HR面也好，业务面也好，+1+2面都好，很少有人会问你什么是Transformer，而是会更多询问你绝对绕不...

这样春招有戏吗？求佬看看

我基本都在宿舍面试，也没啥讲究，直接开摄像头就开聊，也没有搞一个纯色背景，背后就直接是室友的床铺，不过面试官都挺理解，没也没有因为这个难为我。有次室友洗完澡，湿漉漉地从身后路过，我还在面试呢，面试官也没介意，就当是生活的一部分了，不过还是不要学我比较好，能找一个安静的环境最好

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...