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...

问的很保守，也很简单1. 自我介绍2. 实习经历3. rpc和http的区别4. 为什么微服务用rpc不用http5. rpc协议会有什么上下文内容（这个问的很怪..感觉没必要）6. dsn了解吗7. mq了解吗8. 用没用过kafka（没用过，但说了一下kafka零拷贝）9. 手撕岛屿数量10. 反问

——当然，是反面标杆😂事情是这样的：最近在改简历，投了不少公司也没啥回应。想请牛客的大佬们帮忙看看，我这简历到底问题出在哪…

问的几乎全是agent相关1. 自我介绍2. 实习经历3. 如何减少llm幻觉4. 模型效果如何评估5. mcp底层协议是什么6. skills的本质是什么7. 你觉得ai ide 设计的时候怎么定位，怎么防止类似数据库的幻读情况，如果让你来设计一个ai ide该怎么做 （acp协议和mcp协议，acp刚好前段时间了解过一些）8. 无算法9. 反问