入职 B 站技术岗半年，最强烈的感受就是 “幸运” 二字。刚从校园踏入职场时，还担心会被陌生环境裹挟，没想到这里的氛围完全打破了我的顾虑 —— 带教导师耐心又细致，从业务逻辑梳理到技术难题拆解，毫无保留地倾囊相授，连我反复追问的基础问题都能温柔回应；同事们更像一群合拍的 “技术同好”，没有层级隔阂，工作时并肩攻克千万级并发、工具优化等实战难题，休息时聊番剧、分享兴趣，很快就让我卸下了新人的拘谨。这半年里，公司的 B-STAR 培养计划、线上学习平台和技术沙龙，让我从只会纸上谈兵的萌新，慢慢能独立参与项目迭代，甚至在核心模块中贡献力量。更幸运的是，这里包容每一份个性，休闲的穿搭、办公区的手办、偶尔的宠物陪伴，还有 1024 程序员节的小惊喜，让工作不再是单调的重复，而是充满热爱与温度的成长旅程。能在这样有温度、有成长空间的团队里起步，真的觉得自己太幸运了。

9月底的意向，到现在还没谈薪，问HR，说也不知道为什么这么晚。太离谱了，这是什么情况？我还要继续等吗？有没有类似情况的友友交流一下子，我都怀疑它们是不是不想招人，一直拖着等大家签别的。

前言 你问大模型一句：“今天天气如何？”，它可能给你查一下本地今天的天气。 你再问它：“那北京的呢？”，他开始科普起了北京，完全忘了上文中的对话，推算出我们是需要他接着回答北京的天气。 以上是发生在早期各家 AI 助手中出现的问题，丢失上下文记忆。随着技术的发展，模型越来越“大”，这个问题出现的时间点（对话轮数）也越来越靠后。那么问题来了，模型是如何记住上下文的？我们该如何优化，在有限上下文中做更多事情？ 大模型根本不记 下面是我在开发AI应用的一个简单的解析图  是的，没错。我们每次的对话，包括之前的内容，都要一起发送给大模型。大模型本身不会去存储这些内容。既然不用存储，那如果不限制时间，岂...