还真有人看人才库啊

这次实习最幸运的事，就是偶遇了一位百分百同频的神仙搭子。最有意思的是，最开始我们并不在同一个办公地点上班，属于异地协作的实习搭档，平时全程线上对接，线下几乎没有交集。原本以为只是普通的工作同事，相处会很生疏，没想到我们三观、笑点完全合拍，成了专属“搞事搭子”，治愈了我平平淡淡的打工日常。我们俩的日常主打一个双向默契、疯狂抽象。平时上班摸鱼聊天，根本不用完整说完一句话，我随口抛出半句梗、一个碎碎念，他总能秒接后半句，完美接住我的所有脑洞。两个人经常莫名对上笑点，在工位上偷偷哈哈大笑，严肃的职场氛围瞬间被我们盘活，枯燥的上班时间都变得轻松有趣。但我们绝对不是只会摸鱼搞笑的搭档，正经干活的时候，默契...

项目是网上教程扒的，目前还没有很会，力扣算法也就刷了30来道，想5月底投投日常实习，求大佬给一些改进建议，目标暑假想找到ai相关的实习就好，大小都行

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...