这感觉还真不错！

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...

最近菊厂陆续开了，极力劝退那些拿13级的985硕士，就13级那么点儿薪资，一线城市每个月到手1.8/7/6w，租房2k还是破烂，吃饭2k还是预制菜，买个1k衣服都是聚酯纤维破塑料，稍微出去浪一浪，能留1w就是万岁，要是再有个啥都想买的对象，一线工作一年难存10w。隔壁工地混泥土，钳工，焊工一天800+，还包吃包住。读书18年到985硕士出来就为了进厂螺丝工？还不如从8岁童工开始干活，别人读书完了你工龄18+，混不上领导也是个小头头了。当然专科进来正式工，od都行，一般本科进来13级也OK，毕竟22岁年纪摆在那个地方还不需要太花钱。读硕博的基本26岁，工作两年就要结婚的，兜里没几个崽，连彩礼都要信用贷。菊厂离职的不少，毕竟正常没人受得了9116（梗：再来一次911刷6）。为啥这时候劝？因为刚下班，因为国考刚完，省考下周，就是可惜选调只有当年应届能报。现在回想能拍断大腿。应届生真实好身份，错过这一次，选调，考公，考编，当老师，进医院，研究所，高校，央国企，基本都无缘了，就连报名资格都被剥夺了，可谓是被党和国家遗弃的废材，统称“社会上的”，扔到社会去流浪，被用坏了就扔医院，长期超负载使用，零件修不好基本可以扔火里回炉重造了。体制内奉行找体制内的，都是党和国家选的人才，智力不差，样貌不丑，身材端正，收入稳定，安居房政策福利待遇也OK。因公出行都是报销，周末顺带“游山玩水“，这种体制内单身资源但凡想找对象，去社会上随便吆喝一声都排队。观察一下，基本没什么公务员在相亲，因为早就被邻里邻居抢光了。

一面 40分钟  ai相关的工具和相关的知识是从哪获取的 解释ai中的token token还有哪些用处吗 上下文是什么，上下文的大小决定了什么指标 在上下文窗口大小限制的情况下，如何更合理的处理上下文 向量数据库你了解的有哪些 向量数据库和传统数据库的区别 向量数据库的匹配相似度的方法  余弦相似度 面试官补充：欧氏距离（L2）   对余弦相似度的理解，是如何计算的 mcp解决什么问题，为什么模型会引入mcp概念 mcp由几部分组成 如何使用mcp的方法 electron主进程是如何处理mcp连接的安全性的  没太明白，问了面试官后，说的是zod校验   function calling是什...