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...

干了五个月转正失败了，现在重新找工作死活找不到，已经急哭了😱😱😱

可能是我见识太少了

用 Agent 开发的小伙伴应该有个共同的感受，模型选择是个大问题。 Codex 默认跑的是 GPT-5.5，能力没问题，费用相对也合理。但国内很多小伙伴还是用不上，所以我就在想。 想找一个模型，同时满足这三个条件：Agent 任务执行能力强、上下文窗口够大、价格实惠。 这里给大家提供一个不错的选项，昆仑万维新发布的 SkyClaw v1.0。  把它接进 Codex 之后，我先后完成了两个真实项目的开发——PaiSwitch 的模型切换功能和 PaiAgent 的工作流适配。 工具调用稳定、代码质量经得住考验。关键是，输入价格比 DeepSeek V4 Pro 还便宜。 01、为什么选择Co...