华勤技术 offer

Week01的内容不是很多，主要介绍LLM的一些基础概念和提示词撰写的方法论。我的学习顺序是：1️⃣边看Slides边记笔记，把一些面试中可能遇到的问题或者可以和面试官聊天的内容记下来，保存在云端，形成自己的知识文库；2️⃣根据Reading List，阅读推荐的材料、收看推荐的视频，这里发现一个特别不错的方法：有些视频长达三个多小时，平时比较忙根本没时间耐心看完，于是我把视频传到NotebookLM，让他结合我的专业，根据要求生成学习笔记。这样我就能收到一份八九千字的“视频转文字”报告，内容详细且经过梳理，看起来既有效率也更有结构性。还可以让它给我生成一段高质量的讲解视频或播客。3️⃣完成一...

给不懂的朋友说一下，实习转正一般是实习几个月，然后在毕业前就开始转正答辩流程，在毕业前就能知道是否转正，毕竟得知自己不能转正之后，还能够参加春招，而如果毕业之后才开始转正答辩，那么万一在你毕业之后转正不通过，那就直接寄了，直接错过春招，相当于直接全部押注在实习转正上面了，不过楼主说话也有点问题，应届身份一般保留两年

1. 问实习经历，但是拷打的是自己的项目，正规的规则引擎了解过吗，没有。2. 浏览器键入网址全过程3. http为什么是无状态4. 死锁条件5. 子网掩码的作用6. mysql b+树和b树7. redis数据结构，用什么结构实现延迟消息队列8. redis分片集群，如何分片的，有什么好处9. jvm内存分布，有垃圾回收的是哪些地方10. spring的aop是如何实现的11. 算法： 数组最大子串和 经过提示才写对，太菜了面完一个小时约二面。

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...