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...

十月初谈薪，又给我加了1k  ，月base＝美团ssp➕3。不过不去，释放。审批了三个月也太难绷了

现在的我，比从前强了不少。有了真实的工作经验，也经历过项目的压力与成长，我开始重新思考一个问题：字节还会录用现在的我吗？过去我可能更看重“是否被选择”，而现在我更关注“我是否匹配”。当能力提升、经验增加，我也逐渐明白，大厂真正看重的不是完美履历，而是持续成长的潜力与解决问题的能力。如果我能清晰表达自己的项目经验、技术深度和思考方式，那么机会依然存在。我不再把过去的结果当作定论，而是把现在的自己当作新的起点。只要持续提升能力、优化作品和表达方式，每一次投递都是重新认识我的机会。所以，比起担心“他们会不会要我”，我更专注于让自己成为“值得被要的人”。当我真的变强了，机会往往会再次出现。