每年春招季，总有人在焦虑中刷新招聘网站，也有人在面试与offer之间反复权衡。但今年的我，意外地成为了一个旁观者——这一次春招，我不需要找工作。没有投递简历的紧张，也没有等待回复的忐忑，反而多了一种难得的从容。看着朋友圈里有人奔波面试、有人深夜改简历，我才意识到，原来“稳定”也是一种阶段性的礼物。它不一定代表停滞，而是一段可以思考方向、积累能力的缓冲期。不找工作，并不意味着不思考职业。相反，当外界的招聘节奏暂时与自己无关时，反而更容易冷静下来：我想走的路是什么？现在的岗位是否还在成长？如果未来有一天需要离开，我是否准备好了？春招的热闹依旧在，只是今年我站在场外。没有焦虑，也不必跟随人潮，只是安...

刚来的时候觉得mentor好厉害，什么都会，说话平和。现在发现只是装的好罢了之前让我写个模块，告诉我要改成什么样，按照他说的改完了，也给他看过了。现在准备合入，又问我你为什么要这么写，你不觉得很麻烦吗？你对xx的理解是不是不对？自己工作太忙，跟别人开会沟通不畅，把脾气发在我的代码上，跟同事背后骂我不会写（当着领导的面），反正骂我干的烂是唯一零成本的呗

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...