鹅厂和虾皮秋招补录出来了，传统技术岗除了测开都有，好好想想这是为什么。面过测开实习的都知道，测开实习面试难度极低，因为实习进去大部分时间都在做功能测试，毫无含金量且难有产出，干过的都知道可替代性强，大部分活正职能干实习生也能干，正职HC更是少之又少，牛客有多段大厂测开实习，但秋招零offer的大有人在，同时属于成本部门，薪资水平也是技术岗最低档（点名熊厂白菜价18k），裁员也是优先考虑，别人跳槽涨薪资，测开跳槽降薪资。🐭🐭在某大厂测开实习已有一个多月，从起初满怀期待到现在深入了解后，对测开的前景和秋招情况很是悲观，想另找开发实习，但现在已经12月底，焦虑万分，遂写此贴，警示后人，能劝就劝

1. 做自我介绍，并确认两个项目是个人独立开发还是学校项目？2. 从产品视角说明旅行规划助手项目的定位、能力、技术方案及需求解决办法？3. 追问1：旅行规划助手项目是否经过体验，效果如何，存在哪些问题及后续改进方向？4. 追问2：以“深圳玩三天预算3500元”为例，智能体能否满足需求，如何控制价格及响应时间？5. 知识库答疑助手项目是否为比赛，介绍技术方案（如RAG、混合检索、微调等）？6. 追问1：知识库答疑助手项目微调数据集的设计方法及测试集情况？7. 追问2：知识库答疑助手项目最终准确率及采用混合检索的原因？8. 追问3：知识库答疑助手项目向量模型和微调模型的选择依据及部署方案？9. 是否使用过多模态处理方式，图片识别的准确性及实现方法？10. 追问1：是否使用过Coze、Dify、N8N等低代码平台及使用程度？11. 确认实习时间（一周5天、持续6个月、1月初到岗的具体日期）？反问1：具体产品实习生进去负责哪个模块答：智能体 Demo 搭建、测试打标反问2：车载主要是负责端侧还是云端答：团队主要是负责云端，不涉及端侧

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...