留用转推荐求接收部门

25年刚开年DeepSeek横空出世，集团下发红头文件，全面拥抱AI，楼主毅然从一个JavaBoy通过内部考试转成了AI开发工程师，到目前为止算是整整一年了。今天来聊一下所谓AI开发工程师都在干什么？首先我们内部有一个共识，现在看到的大部分的AI应用，在公司层面完全是探索阶段，就是说大部分的AI应用都是一个华丽的demo，根本没法保证用户的大量使用了。强如千问，该崩还是得崩。所以我今年一半的工作内容都是在调研新技术，调研新交互模式，开各种会，这个时候你就会感慨为什么乔布斯、张小龙他们是产品而不是研发，很多时候我们精心设计，经过用户调研、项目立项、产品原型设计、技术调研、评审等等等环节，设计出来...

零实习进大厂，本质上是因为他们的简历证明了他们不需要通过实习来证明能力。很多同学在大二大三就参加过ACM-ICPC等顶级算法竞赛，拿过金银牌，这种含金量远超一份在大厂里偶尔修修边角的实习经历。面试官在招人时，逻辑非常简单：实习经历是证明“你做过类似的事”，而竞赛成绩和高质量的开源项目证明的是“你具备极强的学习和解决问题的潜力”。在大厂看来，潜力往往比经验更值钱，因为经验可以积累，但那种极客般的敏锐度是很难培养出来的。

真的没绷住，小心眼这块，这就破防了也是没绷住🤣

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...