有投递上图这个岗位的uu吗？就是base 武汉，嵌入式bsp方向的超新星实习生，5月15面试的一面，感觉发挥的还行，过了半个月了还没进一步消息，流程也没挂，不知道有没有uu一摸一样岗位进hr面的啊？

写点什么缅怀一下我的一年27纯血双非本可以视做双非本的打怪升级之路吧🫠。到了现在。反而没那么感慨了。可能是麻木了，也可能是释然了。也可能是对大厂祛魅了。收到三面通过的消息的时候，我的手在抖。因为已经被横向过几次了。嗯，熟悉的横向。很有意思的事情是，hr面时问到我，你觉得你和985研究生比起来，你的优势是什么…我承认，这一刻我有点力竭，我有点词穷。是的，直到现在我也在思考，我和他们比起来，我的优势到底是什么🫠写在最后。祝我们都能有好的offer。有永不停歇的勇气，坚定的走下去

快手的hr想要我一个肯定回复，放弃其他家offer但是手上有一个腾讯的岗位录用评估中，昨天（6.2）刚hr面试完，可能要一周内出结果腾讯这边没确定下来不想放弃快手这边的offer，还是想去腾讯多一点，但是担心被横向，确实是暑期尾声了，被横向掉就糟了uu们有什么好的建议么？下午快手的hr还要跟我电话沟通，估计就是让我快点做个决定—————分割线——————6.4 腾讯oc了 还是有鹅选鹅吧 再见快手

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...