我应该是不会参加春招了，但是我周围的朋友们有些还在准备。关于这个问题我采访了一下，得到的回答也是五花八门——从26届到27届，从本科到研究生，从软件到硬件再到市场。 选了几个有代表性的： 回答1："天崩开局" 解读： 考研初试结果不明朗，提前准备春招，未掌握基础性技能，现在投的基本都是营销运营。 （至少还在投，比躺平强） 回答2："差很多" 解读： 力扣没怎么刷明白，牛客的模拟面试还没准备。 个人认为27届现阶段有这个意识就已经领先了 回答3："在准备省考/在实习" 解读： 祝好运。 （真诚版） 回答4："恋爱脑开局&quo...

在隔壁看到这哥们儿发了9个月京东真是有钱啊鼠鼠又有动力准备春招了

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...