分享一下近来的思考。 对于转行还是有点噱头的，只是想在互联网从事一个不那么代码的岗位，不是有多讨厌而是心有余而力不足。心有余指的是我现在仍为AI届层出不穷的好玩东西感兴趣，愿意去尝试；力不足指的是以大厂为奋斗目标自己无法以纯粹的方式踏进。可见我如同诸多双非学子一般，渴望有天自己进入大厂务职，那给我带来的薪资和光环是我时刻都在幻想的。可进去又怎样？一山比一山高，挣钱是本质需求，这么看来拼命进大厂也无可厚非。 不说少数情况和岗位差异，我觉得可以达成一个共识，想多挣钱->努力进大厂。那么我是否可以利用过往开发经历结合现在的大模型时代，以所谓的技术工程为背景在大厂寻找一个非研发/开发的岗位呢，不...

😭😭😭其实学的很糟糕，我妈说别太累了直接眼泪止不住的往下掉，😭😭😭😭，本来想告诉她，我想回家了，但是和她多说也没什么用，多一个人烦恼罢了。😭😭😭😭

真没招了  原来是卖课的.. 把我的感动还来...

也大大小小面了很多内部正在搞AI的公司，给大家分享一下我的面试题库！ 第一章：RAG 系统 Q1: 请解释 RAG 的工作原理。与直接对 LLM 进行微调相比，RAG 主要解决了什么问题？ RAG（Retrieval-Augmented Generation）的核心是"检索+生成"两阶段：先从外部知识库中检索与用户问题相关的文档片段，再将这些片段作为上下文拼入 prompt，让 LLM 基于检索到的信息生成回答。相比微调，RAG 的优势在于： ①知识可实时更新，不需要重新训练模型； ②可追溯来源，减少幻觉且便于审计； ③成本低，不需要 GPU 资源做训练； ④领域迁移方便，...