迅雷ai产运面试经验分享（已offer）迅雷一共四轮面，分别是笔试—业务面—老板面—hr面，这个岗是针对迅雷旗下一款ai女性向陪伴类游戏的产品运营，主要是社群建立与维护，建议大家面试之前多去了解一些社群运营的方法论以及紧急公关的处理方式。时间线：12.4笔试—12.5反馈笔试通过—12.9一面—12.9二面（当天两轮）—12.11三面—12.13 offer一面：主要是考察对岗位jd的了解以及公关能力。1，做个自我介绍2，游戏经历，平时喜欢什么游戏，玩到什么等级？3，有玩过女性向游戏吗？举个例子，你认为女性向游戏的受众是怎么样的？4，现在给你一个社群运营，你会怎么做好？5，假如李泽言和白起的粉...

标题党了 蚌…

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...