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...

大家做项目真的是一行一行敲出来吗？还是把项目部署好，把代码研究明白变成自己的项目就行了

一面 40分钟   项目难点亮点深挖（思路和解决办法）   浏览器渲染，display、visibility这些内容对元素的重排、重绘的影响   setTimeout、Promise、requestAnimationFrame这些api的区别   react中通过useState维护了一个对象数组，如果要修改这个对象数组的某个值，应该如何实现？  通过不可变数据（让口头说源代码怎么写😂），通过扩展运算符    如果对象的赋值，如果不是浅拷贝，使用深拷贝的话有哪些影响   重渲染层面来说，深拷贝有什么影响吗  面试的时候说id一样就不会重新渲染，后面复盘的时候试验了一下，都会重新渲染，除非用m...