长江存储 智能制造工程师

1 月 20 号的机试，今天（2 月 10 日）才面试。先说我自己，c9本科应届生，成绩年级倒数前十。经历写的有高中时候的信息学竞赛，省一省二；大一一个水课，老师分享个课题给我们体验一下流程的一个课题，当时随便做的，简历也写上去；毕业论文。说白了就是简历空空。机考选择题统统不会，编程题三道对一错一，挺简单的只是当时不熟 python 还拿 python 写导致不太行。面试一开始定的 1 月 26 日，我说我没空，让安排到 28 号， 谁知华子也拖着拖着直到今天。时间紧 ，任务重，早上专业一二面，下午主管面。专业一面面试官人很好，一直在笑。自我介绍。问了老家哪里的，高考多少分。然后问竞赛，面试官...

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。

人生第一笔工资！！！实习工资，每天300，一月13号入职，一共发了4050！！虽然不多，但是第一次感觉到自己的价值（...或者说价格吧）回想起在学校的时候，每周开组会，挨骂，干不完的活，每个月可怜巴巴的学校发的600补贴。每天都要去实验室，老登安排人定时拍照发在大群，太压抑了。但是！我快毕业了！！我领到了第一笔工资！！好日子快来了！！！希望大家都越来越好！！！

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...