水母我啊，完全是代码0基础文科生，但是作为25届在校招生在AI行业站住脚跟，在55开的转正率成功留用并定为高P级，做成一些项目取得一些成就赚到了预想之外的钱钱后，想为也许在焦虑迷茫的不懂技术的小伙伴分享一些经验~从业务的视角聊聊，我们在投递非技术岗的时候，有哪些面试技巧，以及企业想要的人才画像——叠甲：本人也是摸爬滚打的经验此篇文章绝非万能焚诀——AI产品、AI销售、AI运营...这些岗位都不要求你会写代码,但你必须真正理解AI是什么,能做什么,不能做什么面试官是怎么判断你懂不懂AI的？HR面也好，业务面也好，+1+2面都好，很少有人会问你什么是Transformer，而是会更多询问你绝对绕不...

最近Dify副总裁女装大佬的事刷屏了，谁能想到技术大佬私下爱穿女装呢！其实职场反差人设还是挺正常的（吧），工作时专业严谨，私下做自己超酷。只要不影响工作，我觉得就还能接受（就是这个最近在qq群传爆的照片吧？）

真有点逗了这个公司，一面过来发现是hr来面我，我还吐槽说怎么来个hr一面，然后我简历很多都写了的内容她还要再问一遍，当时就觉得有点奇怪，后来面完了过了两天发现当时都没收我简历直接面的，然后今天半夜发挂了的通知，其实我很好奇的是这种kpi面意义在哪，我看他约了好多天面了，一个mini公司哪来这么高的kpi（面多了习惯了，不生气，只是有点好奇这种kpi是因为年底了要把一年的kpi刷够吗）

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...