离谱需求大揭秘家人们，今天必须来跟你们唠唠我给 AI 提过的一个超级离谱的需求，现在想起来都觉得自己当时胆子太大了！事情是这样的，之前我在做一个项目，这个项目已经维护了好长一段时间，代码那叫一个混乱，新老代码混在一起，简直就是一锅大杂烩 。项目里新的代码用的是 mybatis，加解密还比较好处理，可以通过 mybatis 的拦截器拦截来实现。但老代码就麻烦了，它是直接调用 xml 文件去执行 sql，这就意味着我得手动在 sql 执行之前对参数进行加解密。要是你遇到这种情况，你会怎么做呢？当时年少轻狂的我，做了一个现在想起来都想抽自己的决定 —— 我直接一股脑把整个项目代码扔给 AI，让它帮我...

感觉自己好废物。。。。妈的，项目项目答不上。八股八股全忘完。。因为还没离职，一点都不焦虑面试，但是面了两轮80%都答不上，都搞不懂自己在干嘛。。。😭😭让我感觉到羞耻也好，意识到自己没有选择也好。好想给自己一巴掌，让脑子清醒一下。

大佬们，我想先找个实习，这个简历问题很大吗，为什么都是已读不回。

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...