Week01的内容不是很多，主要介绍LLM的一些基础概念和提示词撰写的方法论。我的学习顺序是：1️⃣边看Slides边记笔记，把一些面试中可能遇到的问题或者可以和面试官聊天的内容记下来，保存在云端，形成自己的知识文库；2️⃣根据Reading List，阅读推荐的材料、收看推荐的视频，这里发现一个特别不错的方法：有些视频长达三个多小时，平时比较忙根本没时间耐心看完，于是我把视频传到NotebookLM，让他结合我的专业，根据要求生成学习笔记。这样我就能收到一份八九千字的“视频转文字”报告，内容详细且经过梳理，看起来既有效率也更有结构性。还可以让它给我生成一段高质量的讲解视频或播客。3️⃣完成一...

好好好，笑死我了

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...