许继

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...

记录第一次面试吧，百度的后端岗位。只有面试才知道自己会不会，我基础还是太差了，导致面试官觉得已经没有问的必要了，25分钟就给了我些个人的建议就结束了。前两天还在因为有百度的面试而沾沾自喜，然后也兴冲冲的去复习一下八股，但结果...😭平时看八股以为自己会了，结果面试没能好好的讲出来，就算能讲的也只是表面，怎么用的层面，底层还是毛也不会。唉，先沉淀吧，把数据结构，数据库重点的系统学一遍，有没有大佬推荐一些学习资料呀😭也要把计网和操作系统系统学一遍，要拿出备战高考的学习状态去学习这些八股，争取达到 假如有考试也要能考出80分的那种掌握程度才行，把底层吃透，一定要能口述出来。再沉淀两个月吧，两个月之后再战百度😤😤😤😠😠😠一起加油朋友们！

恍恍惚惚也实习快半年了，工作主要是后端开发。 进了才知道是自动驾驶头部的明星初创（不是的话别打我🫣）。每天从家走路15min/骑车5min到公司属实很爽。 整体规模不大，工作内容还是很丰富。从python后端到java后端，中间又穿插了一个月前端开发（噩梦hhh），以后很可能还会涉及scala。长远来看，应该还是java和scala为主，go也有使用但是不清楚我会不会用上。 我本身是第一段开发实习，加上底子很弱，确实学到很多也成长很多。被分到各种任务有时候还是蛮慌张的，好在结果整体还ok！ 不提倡狂加班，还是以结果为导向，干完就可以溜溜球。加上通勤很少，整体强度不算很大。组内氛围也是挺不错的...