天翼视联

传统数仓、数据库和分析系统，为业务提供了稳定的数据支持和决策依据。但当数据开始面对 LLM 时，就产生了一个全新的挑战：如何将企业数据转化为模型可感知、可检索、可执行的“上下文”。在企业 AI 系统中，这一过程通常经历三个关键环节：1. 数仓与数据库：提供干净、统一、结构化的业务数据。2. 搜索与 RAG：让模型能够快速、稳定地访问相关信息。3. 工作流与 Agent：将数据能力编排成可执行的任务，实现复杂业务的闭环。图中展示了这一链路的概览。通过这条链路，可以发现数据不再只是“给人看的”，而是成为 AI 执行的核心驱动力。一、从数仓到 LLM：数据“服务对象”的变化在之前的文章中（微信公众号...

我跟老板谎称学校有事，请了一周假，实则溜出去跟女朋友去迪士尼玩了。结果发朋友圈时忘了屏蔽老板等我回来上班，老板瞅着我，似笑非笑地来了句：“迪士尼大学的事儿，办完啦？”。我就盯着他嘿嘿嘿的笑（刘晓燕式）

早知道这状态就不来面了，感觉面评指定得写得贼难看。但又想着多面几次攒攒经验，结果全程紧张到飞起，面试官问的问题我压根抓不住重点，答完她还反复问，还好面试官人够意思，一直耐着性子引导我就问我那个 “怎么用数据驱动策略优化” 的问题，我当时是这么答的：xx 指标下滑之后，我用 SQL 扒了不同维度的 xx 数据，最后得出 x 结论，然后就落地了 x 策略。兄弟们帮我瞅瞅，这回答方向到底错没？是不是我压根就没听懂人家的问题啊？第一个问题就拉胯，后面英文环节直接大脑宕机一片空白！真的太憋屈了！明明机会摆眼前了，结果自己没本事接住 [完啦 R] 顺便问一嘴，字节面评能存多久啊？26 年暑期实习再投的话，面试官还能看到这次的面评不？

卷烟草没卷过，考研失败调剂的双非，每天都很愁。目前是研一，主方向是Java开发，但是最近在讯飞实习，做的是模型部署。太不匹配了，感觉我这个硕未来也做不了这个，不知道怎么办，走啥方向比较好呢