关于工作环境：base深圳前海 内部配置绝了。一整栋50层都是oppo哒，我的工位可以看到欢乐港湾和大海，零食柜自给，很感动的是每层都提供独立的隔音室，3层饭堂里，23楼是最好吃的 周边很繁华。楼下三层是大商场，午饭后我一般会和其他实习生姐妹去citywalk，好多奶茶店，茶救，奈雪 喜茶，瑞幸，奶白，煲珠公每天换着喝，好幸福 关于工作氛围 感受到相当年轻，相当扁平的氛围，我们组（销售运营部）有三个哥哥姐姐直接对接我，她们人真的很nice，笨笨的我不会时，问她们都会耐心解答~~ 关于工作内容 感觉出入还是有的，问了哥哥姐姐，他们收到五六十份简历，面了6个，最后选了我，好感动好幸运。偏大客户运营...

入职第一天，前辈拍拍我：“别秒回，显得你很闲。”我奉为圭臬，从此开启“数羊式”回复：微信响，我默数到十；邮件跳，先倒杯咖啡。群里@我装死五分钟，再发“刚在写代码”，点赞瞬间刷屏。最离谱是老板半夜问“方案好了吗”，我憋到早上六点回“通宵搞定”。其实我只玩到两点。秒回看似热情，实则廉价；慢半拍，世界反而替你让路。这技能最没用，却最保命。

最近Dify副总裁女装大佬的事刷屏了，谁能想到技术大佬私下爱穿女装呢！其实职场反差人设还是挺正常的（吧），工作时专业严谨，私下做自己超酷。只要不影响工作，我觉得就还能接受（就是这个最近在qq群传爆的照片吧？）

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...