米哈游是筛人太狠了吗，我这还能收到笔试邀请

1 月 20 号的机试，今天（2 月 10 日）才面试。先说我自己，c9本科应届生，成绩年级倒数前十。经历写的有高中时候的信息学竞赛，省一省二；大一一个水课，老师分享个课题给我们体验一下流程的一个课题，当时随便做的，简历也写上去；毕业论文。说白了就是简历空空。机考选择题统统不会，编程题三道对一错一，挺简单的只是当时不熟 python 还拿 python 写导致不太行。面试一开始定的 1 月 26 日，我说我没空，让安排到 28 号， 谁知华子也拖着拖着直到今天。时间紧 ，任务重，早上专业一二面，下午主管面。专业一面面试官人很好，一直在笑。自我介绍。问了老家哪里的，高考多少分。然后问竞赛，面试官...

力扣刷了130多道了，还是没感觉。春招又开始了愁死了愁死了虽然做了一百多题了但是很少有题目是我做出来的，要么是看了评论区的思路要么就是自己的思路但测试总有不通过的例子，真和智商没关系吗

女朋友最近拿到了字节的产品offer，作为男朋友，第一反应当然是替她开心，但开心过后，我自己却陷入了一种莫名的焦虑和失落，这就意味着我们要异地一段时间，而且她工作肯定会接触到很多优秀的人，我有点没安全感。我知道这样想不对，但就是控制不住自己，想听听大家的看法。（我还在找实习）

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...