许愿华子

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...

求实习啊

能找到实习吗      

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...