暑期实习正式结束

RAG 是啥？RAG，全称 Retrieval-Augmented Generation，意思是 “ 检索增强生成 ” 。以前的 AI 模型知识有限，还可能答错或者答得不靠谱，而且企业用起来也不安全。RAG 就是来解决这些问题的！它能让 AI 在回答前先去 “ 图书馆 ” （知识库）搜资料，再给出答案。RAG 怎么干活？RAG 的工作流程简单来说就是三步走：你问我答：用户问问题，比如 “ 今天吃什么好？”，RAG 系统接收到了。翻书找答案：RAG 的 “ 小助手 ” 会飞快地在知识库里找相关资料，比如美食推荐、营养搭配之类的。整合输出：把找到的资料和问题混合在一起，扔进大模型里加工，生成一个超棒的答案，比如 “ 今天你可以试试清蒸鲈鱼，肉嫩味美，还很营养哦！”。RAG 的核心组件RAG 主要有两个核心组件：检索器（Retriever）：就像在图书馆里负责找书的管理员，能在知识库里快速定位到相关资料。生成器（Generator）：拿到资料后，它就像个作家，把资料和问题结合，生成最终的回答。RAG 跟其他技术比有啥厉害之处？对比直接用大模型 API 或者微调，RAG 有这些牛 X 的地方：知识更新快：知识库能实时更新，AI 就能立马掌握新知识，不用重新训练，省时省力。省钱省心：不用大规模重新训练模型，成本大大降低。不会忘事儿：不会像微调那样，在没训练过的任务上表现不好，稳稳地保留了模型的通用能力。不过呢，RAG 也有点小缺点，比如在特别需要深度理解和风格模仿的问题上，可能就没微调那么厉害。RAG 的关键环节和挑战文档切分（Chunking）：把文档切成合适的大小，就像切蛋糕一样，得找到那个完美的大小，不然可能影响检索效率。Embedding 模型选择：选对模型就像给汽车选发动机，直接决定向量表示的质量，影响后续的检索和生成效果。检索效果评估：得时刻监控检索的召回率和精确率，就像给检索系统做定期体检，有问题及时调整。向量数据库的作用：它是高效存储和检索向量表示的中流砥柱，就像给知识库装上了超级导航，能快速定位到相关信息。整体效果评估：要时不时对 RAG 系统来个全方位体检，从生成答案的准确性、相关性等方面打分，确保系统一直在线。

舍友盯着邮件中第19封感谢信，感觉绝望到了极点，看到实验室另一个师妹收到的鲜花才想起明天是520。舍友发出感叹：实习能不能包分配啊？这日子真的没法过了！博士师兄安慰道：“找实习和找对象一样，要主动出击，不能等着包分配”舍友：“我投了40份简历，只有2个面试，其他全是拒信、感谢信”博士师兄看了舍友的简历摇摇头：“你想想院花为什么拒绝了学生会主席选择了吉他社的学弟，因为特色，你的简历要有特色。你要研究JD，量身定制一份及格的简历。”舍友看着朋友圈不是秀offer就是秀恩爱，觉得更难受了“为什么不能包分配实习，像分配宿舍一样，按学号来公平公正”博士师兄“那不行，得看GPA，得看会什么技能。和找对象一...

烽火星空：11k*（12-14）但听网上说最近效益不行基本没年终。每天车/餐补贴30-50（看城市），没定城市，后面按需分配。28所：预估年13w左右，但出差补贴不少一天180，有员工食堂，加班费，但说不多。住房补贴还没说。可以提前实习。

这个是删减的通用版, 比较简略, 尽可能减少非结构化输出. 大致类似一个报告... 当然是给大伙看的, 自己的那份写的放出来太难为情了. 主要是时间线模式, 主要是没时间写具体的节点了.  ‍ ‍ 0 前言 2012 - 2021  一心选择计算机专业 具备基础的计算机操作经验  ‍ 1 裕华西路 2021.6 - 2022.10  高考结束立刻下回Pycharm 大一刚来主要享受生活, 之后开始聚焦基础能力的提升 大一下正式作py开发, 开始基于课设做些拓展, 同时开始做程序员基础能力的练习 大二上接触了很多编程语言, 思考权衡之后选择Java作为自己的主攻方向, 优先补齐三大件等内容  ‍...