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...

ssob是已读不回的，字节是压根不敢投的，简历是反反复复改了N遍的，八股是永远背不完的😅😅😅扯远了，道心破碎了，把简历发出来让大伙先看看笑话。再说正事。寒假日常实习还是很难找，连个面试都难约，我不是个例，这是网上普遍反映。不报希望了，趁着2、3月前赶紧做些什么才是。扔几个碎碎念：1.这破简历还能怎么改？写到什么程度才能过实习岗筛选？广大牛友来锐评一下2.火速辅修go，是否可行目前看来是学习成本最小的。首先，很多go实习岗位已经明确要求掌握gin等技术栈，拿java简历投go的时代已经过去了。其次，很多后端的东西，MySQL、Redis这些都是通用的，不用重新学。所以这个问题就具体为：2.1 java&go混血简历怎么写第一个项目，仿大麦的微服务，不太好改。因为有用到Redisson、AOP、SpringAI这些java强相关的东西，包装成go需要替换这些方案。第二个，点评魔改。应该可以包装成go，github上也有人用go重写过。2.2 java&go通用的轮子RPC直接pass了，太烂大街了。不知道动态线程池能不能做。反正项目上新有风险，不一定来得及，非必要就不开新的项目。补充：别跟我扯RAG了，这玩意已经成新的烂大街了，详见我上一篇的吐槽。3.认真学微调prompt什么的这个半步踩进算法了已经。八股和场景题完全就是另一套，没两三个月搞不定的。约等于换方向

2025 年的年底，对我来说，并不体面。裁员的通知来得并不突然。大环境不好，这句话我们已经听了三四年。从 2022 到 2025，互联网不再增长，故事不再性感，资本不再慷慨。只是当那封邮件真正落在自己头上时，才发现，所有“早有预期”的心理建设，几乎没有任何用处。我今年三十多岁，程序员。为几个公司干了快十年，最好的青春几乎都交代在工位上。大环境真的不好，不是不努力这几年，明显能感觉到风向变了。需求越来越少，指标却越来越多；项目周期越来越短，加班却越来越理所当然；人员一轮一轮地“优化”，活却一点没少。以前我们总说：“只要努力，就不会被淘汰。”现在才发现，很多时候不是能力问题，而是位置问题、年龄问题...