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...

希望各位大佬能给些建议

最近腾讯开奖，非常有诚意，38k*15+8w签+10w股/2（吓哭了）上os查了下，🐧后端岗位没发现更高的，可以确定是直接给到了天花板的ssp+。不得不说鹅是真舍得给啊，后面也是纠结了好几天，向很多人打听了情况和询问意见之后，再结合个人情况，最后还是决定忍痛拒掉了选择了薪资对折去换一个轻松和稳定我的秋招应该是结束了，互联网其他家的战况大概是：字节：ssp美团：ssp小红书：sp拼多多：白菜快手：大概率泡死了在前面拿offer的时候有多开心，到后面一个个拒掉的时候就有多心痛。我经常跟朋友调侃说，自己面试中表现的特质很吸引大厂，但真把我招进去，他们多半是要后悔的我也明白自己聪明度尚可，但并非卷王体质，甚至有些懒散（实习的时候经常摸鱼被同事说hhh），再加上易焦虑，所以经常怀疑自己是否真的适合互联网当然每个人不一样，我也见到过很多高精力人群，热爱技术，校招去了国央企之后受不了跳到互联网反而如鱼得水的。选择工作本质上也是选择今后的人生，希望自己在未来不会后悔现在的决定也祝愿大家得到自己满意的工作

题目1：十六进制转八进制统计题目2：四个数的最小公约数题目3：双陆棋棋子移动模拟题目4：生成树度数差最大化