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...

状态又从筛选中变到了hr面，我还有机会吗😭

题干解析 题设给予我们两个字符串，我们每次能够对第一个字符串进行任意次以下操作之一：  删除一个字符 插入一个字符 更改一个字符 求将第一个字符串更改为第二个字符串的最少操作次数。  算法思路 设第一个字符串为s1，第二个为s2 我们定义二维状态数组dp[i][j]表示将s1的前i个字符字串更改为s2的前j个字符字串的最少操作次数。 不难得出如果针对s1[i]==s2[j]时，dp[i][j]=dp[i-1][j-1]，也就是说无需再进行操作，直接继承。 反之如果不成立，需要在原基础上进行一次操作：  删除一个字符操作：dp[i][j] = dp[i-1][j] + 1 插入一个字符操作：dp...