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...

1.9 一面内推1.20 二面感觉聊的还不错等通知中

你是否曾被这些术语轰炸得晕头转向：LLM、Prompt、Agent、RAG、Function Calling、Langchain、SKILL……如果感觉全都不认识，恭喜你，这篇文章正是为你准备的。我们将彻底揭开这些唬人概念的“底裤”，让你发现所谓“智能体”不过是由“不需要智能的部分”构成，而整个AI技术的演进，实则是一条从“绝对刚性”到“极度柔性”的清晰路径。第一章：混乱的起点——大语言模型（LLM）与对话一切始于最古老的语言模型。最初的语言模型堪称“智障”，但随着模型参数爆炸式增长，在某个临界点，它竟涌现出了智能。为了与之前的智障模型区分，我们在前面加了一个“大”字，于是便有了大语言模型（L...

等效大厂实习的定义在一个组实习了3~4个月 = 1 段等效大厂实习为什么希望引入等效大厂实习：对于一段实习而言，3~4个月与6~7个月能拿到的产出数量是完全不一样的。而我猜测面试官相较于关注实习的段数，可能会更关心我们交付了哪些价值。因此，我认为等效大厂实习这个概念，可以更精确地描述实习的含金量。Few Shot：1. 我在一个组实习了3.5个月 -> 一段等效大厂实习2. 我在一个组实习了6.5个月 ->  两段等效大厂实习我这种统计方法并不科学 - 如果有佬找到更好的测度方法 可以分享一下！ 还是想抛砖引玉一下！