背景：本人是刚毕业不久的应届生，目前在职，主要技术栈是 Go 后端开发。日常工作内容以业务 CRUD 和 LLM API 调优为主。我算是一名大模型的深度用户（从 GPT-3 时代开始接触），目前在工作中，我现在的开发模式基本是“我描述，AI 写”。客观地说，现在的顶级模型写的代码确实比我严谨，效率也高。虽然这极大地提高了工作效率，但我深刻感觉到，相较于毕业前，我的原生编程能力（Coding）和算法基础出现了显著的退化。但是想和大家聊聊最近的一个严重焦虑：我觉得我的代码能力废了。我现在非常矛盾：一方面，公司业务节奏快，为了交付，我必须用 AI，根本没有时间让我慢慢手敲代码来“复健”，而且在“好...

突然就收到了库洛的oc，很快的谈薪，很快的逼签，好像自己的去向突然就决定了，确实是自己很喜欢的方向，但当突然做决定的时候还是患得患失的。无法评判，选择无关绝对的好坏，只是在不同赛道里，偏向了更贴合自己的那一个。滴滴美团固然是不错的选择，但二次元领域的适配感，是自己更看重的。毕竟谁也没法预判未来，与其顾虑三五年后可能在互联网面对枯燥业务、深夜加班时的遗憾，不如遵从当下的心意——至少这份对领域的喜欢，是此刻最确定的东西。这种患得患失大概就是成长里的选择题后遗症吧。毕竟没有哪条路能提前看到终点，本就没有标准答案。但反过来想，能在年轻的时候选择一份“提起就会眼睛发亮”的工作，已经比很多在迷茫中打转的人幸运多了。就算以后真的会有遗憾，至少此刻的热情是真的，为热爱拼一次的勇气，也绝不会是白费的。最后祝大家都能签到理想的工作，爽拿offer！

我们公司只有985，211的入职就能拿到1W+普本入职都没有过万，如果不考职级 慢慢涨，要干个好多年可能才会过万。我普本的，我同学有考上研的，工作的很少有过万的。

你是否想打造一个靠谱的知识客服，或是搭建能精准回答问题的知识库？这就绕不开一项核心技术——RAG（Retrieval Augmented Generation），中文译为“检索增强生成”。听起来高大上的技术，核心逻辑其实很简单：先从资料库里检索相关内容，再基于这些内容生成答案，即“先检索、再生成”，这也是其名称的由来。作为目前最常用的AI问答方案之一，RAG已广泛应用于企业知识助手、智能客服等场景。本文将从应用场景、核心原理、流程拆解、专业名词解析等方面，带你全面掌握RAG技术，搞懂高质量智能问答系统的构建逻辑。前言我认为AI的基础知识是现在求职和实际工作所必须掌握的，不管是算法还是后端前端岗...