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...

9硕后端，35k*18。实习转正，组内做基础架构的，电话沟通开了个劝退价

前言写于26届春招前（或许已经开始），这是一篇迟到的总结：并不是什么经验贴，只是对过去自我经历的碎碎念。要用什么去形容我的2025年以及校招经历呢？磨炼心性我觉得是最合适的。校招阶段折磨（2024.9 - 2025.4）兜兜转转又一年，距离我上次校招已经快过去一年了，然而2025届毕业的我已经开始进入社招流程了，社招结束后又回到牛客上刷了好久帖子，感觉目前的反思帖子多起来了，氛围也是越来越好了。遥想一年前的我在校招经历了几十场互联网面试后心气全无，一心想要回到鹅厂，但也不知道喜欢什么岗位，只是因为我参与了比较多的后端实习所以就一直被各种后端业务岗捞起，而我并不了解那些所谓的业务，拿到的offe...