投递时间线：（已经很详细了哈 5.7晚11点投递→5.9下午通知→5.10中午12：30左右完成→5.10通知一面→5.12一面→5.14通知二面→5.15晚上二面→5.16通知三面→5.17三面 （**内容上个帖子发过了，这里主要说面试相关 目前三场面试均已通过，具体问题见图片哈（时间较长遗忘较多） 🔵一面：技术面-15mins左右） 流程：自我介绍→拷打项目→部分八股，无反问 🔵二面：疑似hr面 -20mins左右（具体不清楚） 流程：自我介绍→自选项目介绍（不一定非得体现技术含量高，我觉得更多可能侧重于合作，当时我问了我的面试官）→聊天局→反问 ❗️but 大家二面差别好像挺大的，已...

二面的体验非常好，不知道面试官手下留情了还是什么，基本上都答出来了，算法也是一遍直接过，手撕了30min这样

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...