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...

看牛客都好厉害，想知道92✌🏻班里一般有多少有实习的

全部是92硕士研究生学历

去年入职后，每个新员工都有一个导师，导师们对我们的工作也确实很上心，组织了关于产品研发的一系列课程给我们，其中就涉及如何写市场调研报告、产品功能描述以及如何Axure做原型图。和大学上课一样，“导师们”也给我们布置了任务，让我们在工作之余自己动手做一个demo出来。当时我为了偷懒，直接去找了Claude，把我的需求讲给它，它直接完成了一整套网页的html代码，然后再把html导入墨刀，形成了原型图，再自己做修改。当时我把这个操作归类为投机取巧，觉得并不能从这个路径上学到核心技能。直到前段时间刷公众号，发现有个帖子写的就是《用 Claude写PRD，产品经理从此告别手画原型图》，通读了一遍，发现...