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...

26学院本太难了，很多公司机筛就给我刷了。机会都难拿到如果是简历存在问题也欢迎拷打

Agent开发真的是越来越“无敌”了。过去，软件更多是被动执行指令，而现在的Agent能主动感知环境、分析信息、制定计划、甚至自主完成复杂任务。从智能助理到自动化办公，再到多模态内容生成，Agent几乎可以在各类场景中替代重复劳动，让人腾出更多精力去做创造性的工作。更厉害的是，现代Agent还能不断学习、优化决策，甚至在多人协作中扮演“协调者”的角色。对于开发者来说，它不仅是工具，更像是一个可以持续进化的伙伴。可以说，Agent开发的潜力几乎无限，已经成为推动智能化升级的核心力量。