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...

2硕后端，27k*16。房补2k，a不动，而且手里没有更好的了唉，是接还是等春招呢？

学了两个月试试学习路线对不对，去面了金山的，感觉路子是对的只是自己太菜了！！沉底！！！

因为经常有牛爷爷找我问手写题有哪些， 那还说啥了， 继续开源了。熟练度：生=看了还是不会，熟=看思路能写出来，秒=不看任何提示能写出来异步与设计模式（12题）Promise完整实现 | 生/熟/秒:Promise.all | 生/熟/秒:Promise.race | 生/熟/秒:Promise.allSettled | 生/熟/秒:Promise.any | 生/熟/秒:并发控制 | 生/熟/秒:retry重试+超时控制 | 生/熟/秒:sleep | 生/熟/秒:红绿灯循环 | 生/熟/秒:Promisify | 生/熟/秒:发布订阅+观察者模式 | 生/熟/秒:CodingMan | 生/...