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...

😅😅😅😅

我真有点想骂人了

一面 35min经典自我介绍。长达25min的项目问题。（我PDF简历上贴了演示链接，但是面试官说打不开？？？）一个向量绕一个点怎么旋转？（这里我说我不会图形学，所以跳过了）那你了解点积和叉积吗，简单说说看看？应用场景？了解协程吗？协程是异步还是同步？项目里面有用到协程吗？你项目里面用到了接口吗？一个逻辑题：斗地主中的“飞机”怎么判断？你怎么设计数据结构来解决这个问题？那假设现在是有“癞子”的情况呢？（然后我BalaBala讲了一堆，看面试官最后的说法，大概说对了）。反问环节。请问贵公司对于鱼苗夏令营是一个怎么样的安排，参加夏令营的同学们会学习到什么知识？听说贵公司不止在研保卫萝卜，请问还有哪...