发现学弟学妹们有一个致命的认知误区：很多人还在把暑期实习当成考试，觉得必须复习到100%才能进考场。首先大家要认识到，实习和秋招在录取机制上是很不一样的，秋招可能得对一大批的候选者进行横向对比，然后给出offer，所以可能前后差个几天都是一个批次；但是实习是不一样的，实习的步骤少，进程快，滚动录取，“先到先得，招满即止”，等你准备好了，也许你能拿到满分，但是人家已经没有hc余量了。因此，大家在三月初（一部分大厂已经开放通道）就可以开始投递了。小步快跑，分批迭代。在此次过程中，简历挂了， 说明关键词匹配度不够，或者排版有硬伤，立刻改简历，不要拿着这份烂简历去投大厂。 一面挂了，说明八股文不仅要背...

由于今年行情有点异常，很多人拿到了三十大几 K 的 offer， 甚至很多应届就拿到了 40 多 K。 有时候就突然觉得好像很多同学在原本在同一起跑线上，然后一下子经过秋招，可能一辈子都赶不上人家的工资了。心里会觉得凭什么呢？好像他也没比我强太多。但是仔细想想，好像人生就是这样，大部分人能力其实是差不多的，更多不一样的是选择和个人的际遇。想到这里可能心里稍微好过一些。但是也希望大佬们不要再拿着很高的薪资，然后说是侮辱价了，因为很多人拿不到这么高的工资。

校招入职两个季度，速通了标兵和年度文章，你也快来试试吧😎😎😎

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...