华为7.8实习合租，坐标武研所

上个月写了一篇 Claude Code 上下文管理的文章，评论区有个问题问得很好——"压缩具体是怎么压的？压完之后它怎么还记得我刚才让它干什么？" 说实话当时我也答不上来。只知道"满了就压缩"，但到底怎么决定什么时候压、保留什么丢弃什么、压完之后怎么恢复工作状态，这些细节一直是黑盒。  直到我花了两天时间把 Claude Code 的 compact 目录下十几个源码文件从头到尾读了一遍，才发现这套压缩机制远比我想象的精密。它不是简单的"砍掉旧消息"，而是一个四阶段的液压系统——从最轻量的规则裁剪，到 LLM 驱动的结构化摘要，再到熔...

这个部门太黑暗了，真的校招去这个部门，建议赶紧找别的offer

这什么意思？

1. 自我介绍2. 什么是 RAG？它和普通大模型问答有什么区别？答案：RAG 是 Retrieval-Augmented Generation，也就是检索增强生成。它不是让大模型完全依赖参数记忆回答问题，而是在生成答案前，先从外部知识库里检索相关资料，再把检索结果作为上下文交给大模型生成答案。普通大模型问答依赖模型训练时学到的知识，容易出现知识过期、幻觉、无法引用来源等问题。RAG 的优势是可以接入企业私有知识、实时文档和业务数据库，并且答案可以追溯到原始证据。它更适合企业内部知识问答、客服、运维、法规、医疗、金融等知识更新频繁且要求可追溯的场景。 def rag_pipeline(quer...