最终还是去国企了

加班真的很不爽，这话一点都不夸张。白天写不完的需求，被推到深夜；本该属于生活的时间，被一句“紧急一下”悄悄拿走。人坐在工位上，代码还在跑，身体却早就开始报警。这几年，经常能看到“某某程序员因长期加班出事了”的消息。标题冰冷，几行字带过，却是一个人透支健康、压缩人生后的全部结果。需求会迭代，版本会更新，但倒下的人，没法重启。最讽刺的是，加班常被包装成“奋斗”“责任感”，可身体并不理解这些词。它只记得熬过的夜、错过的饭点和被忽视的疲惫。等问题真正出现时，项目还在继续，工位很快会被填上。工作很重要，但不该用命来换。能拒绝的加班就拒绝，能白天解决的事别拖到深夜。代码可以慢慢写，人生却没有回滚键。

我永远忠于鹅厂

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...