vivo面试．．．

1.14约面TEG云架构软件测试测试开发岗1.19一面1h，光速下二面1.23二面1h，跟mt聊的很好，面完显示通过1.28约1.29三面 30min，应该是主管面，面完+1说还可以，不过技术栈不太匹配，可能给我推到别的组1.30下四面 同TEG同岗位应该是换组了 2.3四面1h 体验很差，感觉组里已经不招人了，面官问的问题字少表达不清楚，也不去引导，我问她她就无奈的看着我，反问环节回答我的问题也是非常敷衍，感觉就是不想招人2.4果不其然回池子了，光速被捞，下周一继续一面

golang后端，用京东小红书offer直接开了ssp，42*15+签字费，究极满意！bg9硕～

身边认识的不少朋友要么0 offer，要么只有不到20k的offer，其中不乏有背景好的985的同学，可是在网上你甚至能看到 28k劝退价 35k侮辱价……虽然有些人的背景确实好，但是不至于说开30+是侮辱他吧，所以有些时候你都不知道说这些话的人是纯纯出来秀优越感恶心人的，还是真觉得年薪50多万是侮辱他…… 多少有些装了吧所以来到互联网之后，我会发现这个世界太魔幻了，有一大堆生化环材还有文科的同学毕业即失业，或者只能拿到7k 8k的工作(背景好的双9能拿的多一些，但很多也比不到互联网大厂23k的白菜价)有一大堆学历较低的计算机科班同学毕业即转行还有一大堆的人嫌一个月20多k太少了，活不下去……

在上一篇文章中，我们已经从整体架构的角度，梳理了企业级 AI 落地的一条核心链路：数仓 / 数据库 → 搜索与 RAG → Workflow / Agent并明确了一个前提事实：模型能否应用，不取决于模型本身，而取决于数据是否真正进入了模型的执行链路。这篇文章我们继续向前推进，聚焦真实落地场景：在 AI 加持的新一代数仓体系下，RAG + Workflow / Agent 在真实企业环境中，究竟是如何跑起来的？下图为完整运行链路：数据在数仓中完成 AI 化处理后，通过搜索与 RAG 转译为模型可理解的上下文，再由 Workflow 编排为可执行的 Agent 流程，支撑真实业务场景运行。一、当...