笔记地址：https://github.com/jinbooooom/ai-infra-hpc，https://github.com/jinbooooom/OriginDL笔记地址：https://github.com/jinbooooom/ai-infra-hpc，https://github.com/jinbooooom/OriginDL

刚上班没多久，还没钱租大房子这小小的空间成了我的家自己简单收拾了一下，感觉还不错吧！

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...