我很喜欢听播客，并且非常想录播客，但奈何临场反应能力不太ok不敢主动输出，恰好昨天有读者约我聊聊他的问题，于是我们愉快地聊了一小时。有些行为已经内化为习惯，我没有记录下来自己是怎么做的，于是我又重新思考了他提出的几个问题，刚好朋友给我提供了一些新的思路，也帮我印证了之前的一些想法。我提前写了大纲，在沟通时又想到一些案例。后面我大概会针对每个具体的问题，结合网上的经验，再详细整理一下。1.线下面试带不带能力作证材料如果是第一次正式的线下面试，我建议先看岗位JD具体需要什么，再决定要不要打印能力作证材料。不要为了“证明自己”而什么都带，而是围绕岗位能力去准备佐证材料。如果你做过和采编、内容相关的事...

各位大佬，学长学姐好，筑波在保研的时候被辅导过简历包装，实际上会的东西感觉很少，筑波目前的研究方向不太美妙，基本不考虑，想自己考虑转别的方向，目前是考虑转嵌入式软件，但是筑波不敢投递，base地岗位也不多，但是考虑趁研一一定得去实习，主要想问两个方面。1.学习方向，再多学些基础知识，先mcu,后面再学一些linux，然后学一些了再投实习，想问问前辈们的学习方向建议2.方向建议，筑波现在才研一，如果大佬们有别的推荐双非本，女生的方向也可以告诉筑波谢谢各位大佬，前辈，学长学姐的建议，祝大家发财捏！

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...