📦两个部分：上班感受+公司福利～ 上班感受：快节奏 体验感十足 ⭐️ 学习：每天时间很快也很累，感觉要学的要做的东西真的太多，我会不断的向内求，如果有问题我会及时记录然后及时询问前辈，作为刚入职小白，新知识根本学不完！抽空学！ ⭐️ 通勤：住在公司附近所以步行十分钟左右，早上9:30打卡 也可以十点（如果你前一天加班到十点）奈何早上床成了我的老家😭早上必须咖一杯 一月可以迟到60m很人性化 五次补卡哈哈哈 ⭐️ 两周感悟：高效办公！合理分配时间！任务清单明确！把更多的时间花在有意义的内容上！！！抽闲暇时间做一些赶进度工作！勇敢！ ⭐️ 部门氛围：同事和leader无敌好，来的第一周就请我们...

鼠鼠一直都想找实习，经过鼠鼠的努力也是找到了🤓。hr说我通过的时候鼠鼠是十分开心，但真当一个人前往陌生的城市，到了之后，感觉也就那样吧，甚至是有些不舒服😭😭😭

我写简历之间没看过🐂客，想着自己想投啥就投啥吧。结果今天一看你们的简历，觉得我的简历太奇怪了。老早之前在一次校内的招聘会上投了自己的纸质版简历，当时编辑的时候寻思简历应该简洁大方一些。然后字体啥的也稍微比较大，而且最好一页。结果现在看来，我精简了很多天的简历，好像有点太简单了，看起来啥也不会一样😭

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...