我们把 AI 当做一个人：大脑（LLM）负责想与写；执行逻辑（Agent）负责推进到交付；经验手册（Skills）提供目录化的可复用 Prompt 与标准流程；工具接口（MCP）把外部能力接进来完成执。A2UI 负责把 Agent 的意图变成可交互界面，并把用户操作回传给 Agent。LLM 是这人的大脑：负责理解你在说什么、推理怎么做、把答案表达出来。但光有大脑不等于能把事办成。Agent 可以比作一个人做事的思考逻辑 + 执行逻辑：拿到目标后先梳理逻辑、拆步骤、设检查点，决定先做什么、后做什么，并在关键节点停下来确认，确保事情按流程推进到交付。Skills 是他随身带的一本经验手册：里面是...

大家做项目真的是一行一行敲出来吗？还是把项目部署好，把代码研究明白变成自己的项目就行了

很早之前的了。hr："我看你简历上写的是，20年到24年在xxx学校上学。”我：是的。hr:（震惊）啊！？（小声）你上了五年！！！（发现新大陆）你为什么会上五年呢？我：😅这个…，怎么说呢，20年9月到24年6月。好像是4年……😅hr：😳嗷嗷，这样。但是我看现在（23年11月）你才大三，你们学校大三就可以实习了吗？我：，我大四。。。。

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...