不知不觉，作为 25 届的应届生，我已经入职嵌入式岗位半年多了！这段时间走了不少弯路，也找到了几个超级好用的工具，今天想和大家分享一下。 一、好用工具 1.AI辅助代码插件工具 Fitten Code 还有Copilot真的要大力推荐这两个插件！如果你觉得自己写代码很慢、代码能力差，或者总是重复写类似的业务逻辑，这两个工具真是救命稻草。 直接在 vscode 里搜索并安装就好。它们可以智能补全代码、自动生成注释、查找 bug! 举个真实的工作场景：有时候我写的代码逻辑差不多，只有几个参数不同，之前我总是复制粘贴，逐个改，一方面慢，另一方面容易出错。但这两个插件可以根据我之前的代码逻辑，自动处理...

我选体验最差：腾讯外包线上面试，应该是腾讯甲方来面试我，我自诉在字节短期外包项目，表达字节前端技术基建不错，很多都工具自动处理，他表达很大的兴趣，问了很多细节。我做了才3个月，哪里知道很深的细节，回答也是打哈哈。然后在问我，原型链，class，防抖，节流手搓代码。正正面试2个小时，我感觉回答还不错，这次，只要不考虑我的年龄应该是稳了。我的优势是便宜，经验丰富，主要是物美价廉。今天回复我不通过，不通过就被面试那么久，开始就拒绝我啊。体感最差，给我希望，立马浇灭。

来杭州实习的第三周，天天早九晚六感觉就已经很精神疲惫了，也没有多少私人时间，不敢想象如果是大厂的逆天作息我能活几年。果然人只有真正来上班了才知道自己想要什么，比起天天高强度被压榨拿到一份不错的薪水，我还是更喜欢能边摸鱼边混口饭吃。已经开始准备秋招找国企躺平了，大三想进国企该准备什么，是不是跟私企互联网招聘路子完全不一样，前边的准备是不是一点用没有了

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...