随着AI的发展，数据人的工作边界，正在发生变化。过去我们更熟悉的是这些词：ETL、数仓分层、指标体系、实时链路、BI 报表。这些能力当然依然重要。而且直到今天，它们还是企业数据建设的基本盘。但现在，很多企业对数据团队的期待，已经不只是：把数据算出来。而是开始进一步要求你去支撑：智能问答/企业搜索/RAG 检索增强/Agent 工具调用这意味着，数据人做的事情，正在从“建数仓”，慢慢走向“建 AI 数据底座”。未来已来，该考虑不是数仓还要不要做？而是从做数仓到做 AI 数据底座，数据人到底该补什么能力？一、不是数仓没用了，而是只会数仓已经不够了先说结论：数仓能力不会过时。因为 AI 数据底座的很...

大佬们看看，有没有什么还要修改的地方，第一个项目做的是黑马点评，加了一个rabbitMQ，第二个项目是鱼皮的API开放平台结合了一下鱼皮的大语言对话模型项目

投的是京东基础架构部门的 C++ 后端开发岗，一面是电话面试，面试官语速很快，上来先聊了十分钟背景，然后直接进技术。整体风格是广度优先，覆盖面很宽，C++ 基础、内存管理、并发、网络、项目都有，但每道题不会问得特别深，感觉是在快速扫描知识面。项目聊了将近二十分钟，他对项目里用到的技术选型很感兴趣，问了不少为什么这么选。最后有一道手撕，难度不高，时间也够。总时长刚好一个小时，整体节奏很快，没有太多思考时间。1. 自我介绍，介绍一下你的实习经历和做过的项目2. 你提到用过消息队列，为什么要引入 MQ，解决了什么问题，选型上为什么选这个而不是其他的？答：引入 MQ 主要解决三个问题：解耦、异步、削峰...