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...

难道是我投的太晚了？   

空了好多，还是给苍穹外卖写上了我想再做个别的项目替换掉这个外卖接下来是做微服务好，还是做个AI好啊

在人工智能越来越普及的今天，我逐渐意识到，面对AI一定要保持谨慎。AI确实能快速提供答案，帮助我查资料、写文章、解决问题，但它并不是万能的，也并不总是正确的。我发现，有时候AI会“随便回答”。当问题不够清晰，或者涉及复杂、专业的内容时，AI可能只是根据已有的数据进行推测，生成看起来合理却不一定准确的答案。如果我不加思考地相信这些内容，就可能被误导，甚至在学习或工作中做出错误判断。因此，我开始把AI当作一个辅助工具，而不是绝对权威。遇到重要信息时，我会主动查证，多看不同来源的资料，再做决定。AI可以提供参考和灵感，但最终的判断和选择，仍然需要我自己负责。对我来说，谨慎使用AI，不盲目依赖，是在这...