还记得 2022 年，正好是我研究生入学的年份。那一年有几件事，后来回头看，全是时代拐点：疫情突然放开，所有人几乎在同一时间“阳”了一遍；ChatGPT发布，我想注册个账号，官网排队、封号、收不到验证码，最后还是去闲鱼花钱找人代注册；GitHub、微软和OpenAI一起推了个叫Copilot的玩意，定价10美元一个月，说是能“辅助写代码”，我心想ntnd能写代码，那我以后干啥，至少在我身边，没有一个人真的在用。那会儿的大模型，更像是个玩具，你能感觉到它很聪明，但没人真的相信它能走进实际开发。大家的共识很简单：写代码这事儿，还是得靠咱老百姓。到了 2023 年，气氛开始有点不一样了。我几个师兄在...

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...