联想感谢信

一开始他先介绍了他那边的业务，然后让我介绍下自己的经历和技术难点。针对经历：1、问项目规模，有没有自己写一些大的需求，自己写方案去做的2、过往的需求中有没有那种复杂的3、中间提到了节流，他就问我防抖和节流的代码层面是如何实现的针对项目Agent相关的：1、是否支持图片2、对于用户输入的Prompt有没有进行调优3、单次会话还是多次对话的展示4、系统设定模型的角色，是在前端还是后端写的5、有没有出现一些幻觉Vue相关1、vue怎么样实现数据绑定到组件上以及视图变化数据的更新2、如果有一个数据，关联了多个组件，这些组件是怎么样去实现挨个通知的手写代码核心点在于借助AI的工具给做出来，说因为这个题目...

我知道自己很菜……求轻喷😭😭😭一直觉得项目特别水，有没有大佬指点一下应该怎么修改，或者怎么找一个有含金量的项目

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...