格兰菲2026秋招

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...

真有点逗了这个公司，一面过来发现是hr来面我，我还吐槽说怎么来个hr一面，然后我简历很多都写了的内容她还要再问一遍，当时就觉得有点奇怪，后来面完了过了两天发现当时都没收我简历直接面的，然后今天半夜发挂了的通知，其实我很好奇的是这种kpi面意义在哪，我看他约了好多天面了，一个mini公司哪来这么高的kpi（面多了习惯了，不生气，只是有点好奇这种kpi是因为年底了要把一年的kpi刷够吗）

字节薪资待遇真的嘎嘎到位，现在连实习生薪资也给的贼高了，基本独一档了，免费三餐，伙食还不错，可惜我是大菜鸡，十几战，均失败了。太难了宇宙厂我的梦，虽然字节强度也大，但我还是想去呢呜呜呜

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...