深信服客经一站式面经1⃣️总体感受：一天全部面完，结果通知很快，群面和业务一面感觉很轻松但是业务二面孩子真的被压力坏了😭😭😭😭，汗流浃背了，以为自己凉了，但出来的时候hr跟我说过了。我两场业务面大约都面了四五十分钟，嘴巴都说干了，但是面试现场提供水，饮料，咖啡等本人今天凌晨两点睡的觉，七点起床，上午面一场，下午面三场还要被压力，已经快死了—————————————————————————2⃣️群面1.题目：三个候选人 选择一位当销售经理（题目是随机抽取的）2.流程：①读题3min②讨论30min③汇报2min3.本场bg一半以上都是985硕，我抢到了reporter的位置，讨论过程可能...

对面问我用的什么手机我说苹果对面已读不回了然后发现这个岗位一周7天HR不会以为填信息是回答问题吧？全年无休吗？

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...