非常好用

做了xfg的ai agent项目够面试了，之后边投边补点评没改了，拷打项目大概率拷打第一个ai的，我觉得没必要魔改了小林的八股太多了，背了就忘，还是跟着项目来以及背高频八股，买了神哥的，然后用gpt拷打拷打，过几天投hot100二刷结束，能感受到有成长，虽然还是很多不会，但是不少题有思路了（没刻意去背）(*^▽^*)，在干Code Top 以及熟悉acm模式题外话：怎么我还没工作就大裁员了，ε=(´ο｀*)))唉，我这样的能找到工作吗？1w以上就行，这要求高吗？感觉干不了几年就得被裁了，如果不干java后端了，还有什么其他出路吗？硬件、底层方向？还是ai、大模型？网上信息太多了，分不清。真的很焦虑呀！！！o(╥﹏╥)o

大家好，我是程序员鱼皮。最近这两年，只要你接触过 AI 编程，大概率听过一个词，RAG（Retrieval-Augmented Generation）。但很多小伙伴对 RAG 都只是一知半解，导致面试的时候只能说出 “检索增强生成” 这六个字，面试官再多问一点，就只能 “阿巴阿巴”。而这篇文章，是对 RAG 技术的一个全景科普，从最初的 Naive RAG、到现在最主流的 Agentic RAG，总共 16 种主流 RAG 方案，我会一次性给大家讲清楚。以后开发 AI 应用的过程中，无论遇到什么场景，都能选择最合适的 RAG 方案。干货比较多，建议先点赞收藏，再慢慢往下看~什么是 RAG？AI...