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...

还记得第一家实习公司，藏在写字楼的角落，整个开发团队不到十人，所谓技术栈，就是把若依改个名字当自研框架。CRUD写到昏头，那时憋屈得很，觉得浪费了应届生身份。现在回头看见过代码能烂到什么程度，才懂规范和质量不是空话，环境烂归烂，但脑子不能跟着一起烂。

面了这么久发现面大厂虽然难，但整个面试流程是固定的，面完是会让你面试有所收获，能发现自己的缺陷不足的。面小厂纯属开盲盒，总能收获些神人上午面的一家小厂，面试官实习八股都不问上来直接让我写个功能，面到一半来句“wc，tmd这么d”（素质挺低的，不过不是骂我）下午二面的是家80人初创小厂叫句子互动，面试官是个中年光头男，要我百度一个在线编译器，10分钟写一道编程题（太久没写超时了），前面就感觉态度很怪，整个人很烦躁，我习惯性的打开了IDEA，来句“你没听清我说话吗？用在线编译”😅后面发我了一串代码让我讲解代码功能，代码太长飞书的弹幕列表又小，我拿触摸板复制不全。面试官就阴阳我“你觉得你是个细心的人吗？你代码都没复制全”，我道歉完之后，划拉了好一会那代码也粘不下来，我又道歉说我看着代码讲，那面试官还发火“把代码复制出来好吗？😡”要不是线上估计得跳过来打我本来前面态度差就够烦了，丢下一句话“爱过不过，真是费劲”就把会议关了，留下一脸懵逼的👨‍🦲

我是最近才开始用cursor并且使用一些国内外的编程模型，我发现不管是国内的还是国外的模型，在进行长对话之后大概率都会有幻觉情况。我现在的解决方法就是从prompt和rule上下手。将一些常用的代码规范和数据库表设计规范整合成rule，这样在编写prompt的时候可以轻松一点不同的职责需要创建不同的rule，比如最近在写毕设时就会涉及到原型设计、前端编码、后端编码以及数据库表结构的设计，这就得编写四个rule，如果写到一个rule中会使规则文本过长，对模型也是一种压力，分开设计可以让ai在扮演不同角色的时候单独使用不同的rule。在编写prompt时，主要就是以角色+需求来写，需求尽量精简即可...