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...

记得有一次实习的时候，看到大家都走了，坐我旁边的mt电脑没关，我就顺手关了，结果刚出门就看到他端着咖啡进来，没忍住和她说了，结果她一脸不可置信，说完了，刚写的开会文件没保存，有一个项目还在运行，我一听头都炸了，连忙道歉跟着她回去……然后就是跟她一起加班，即便什么都没做，情绪价值得到位，还好最后没有造成很大的损失……大家不要学我，我就是手欠

刚找到实习  字节HR就给我打电话了  说我简历通过了可恶 之前BOSS直聘上的说我简历挂了明天好好准备 加油

最近和老同事们闲聊，聊其他事时大家可能争得面红耳赤，但一提到前端开发，我们都异口同声地觉得，前端这行已经明显在走下坡路了。经常听到小道消息，比如某个前端团队解散，只剩几个人并到后端去；某个部门今年没前端岗位；团队有前端离职后，就不补人了。当然，还没到大规模失业的程度，公司大多是慢慢缩减前端HC，但这衰退趋势太明显了。我觉得，这颓势从微服务推崇的前后端分离成为主流时就埋下了种子，AI Coding只是加速了它。前端基本只负责接收后端结果渲染页面，一个前端往往对接四五个后端，因为页面搭建不需要那么多人（现实就是这么残酷）。大厂的中台有海量成熟UI组件，npm一拉就能用，快速搭页面，然后定义变量调用...