大家好，我测开/测试方向的，LeetCode 总共刷了 430 道，包括 hot 100 全部 + 一点 SQL。 我的经验总结一下： 1️⃣ 测试方向面试题不难，把 hot 100 里面 mid 和 easy 刷熟练，基本够用。没必要刷到 1000 道题，浪费时间。 2️⃣ SQL 必须会，但是不需要疯狂刷，掌握基本语法后分类别刷几道就行：排序、分组、子查询之类的。LeetCode 上都有题，挑你想刷的就好。 除了以上，还有快排，归并等常见排序算法； 设计模式没考过手撕，记忆中就被问了一嘴单例如何实现 sql主要是:力扣sql50题 刷了一半，自我感觉把聚合/左右连接/排序/子查询练熟就行

零实习进大厂，本质上是因为他们的简历证明了他们不需要通过实习来证明能力。很多同学在大二大三就参加过ACM-ICPC等顶级算法竞赛，拿过金银牌，这种含金量远超一份在大厂里偶尔修修边角的实习经历。面试官在招人时，逻辑非常简单：实习经历是证明“你做过类似的事”，而竞赛成绩和高质量的开源项目证明的是“你具备极强的学习和解决问题的潜力”。在大厂看来，潜力往往比经验更值钱，因为经验可以积累，但那种极客般的敏锐度是很难培养出来的。

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...