早晨收到了HR助手的提醒，今天是白牙入职腾讯的两周年，两年前选择offer的纠结与入职腾讯时的兴奋还历历在目，但也许因为历经新冠的原因，这两年的时间黏稠而缓慢，仿佛流体，乏味得可怕今天带小白牙去国际鲜花港玩了一天，小白牙很开心，收拾完，想记录些什么，给时间留下一点记忆，就写一些在腾讯两年收获与感受吧收获了自信，「出身不好」的白牙也能凭努力跻身头部大厂，原来自己并不是很差，但同样也很清醒，公司确实起了背书的作用，但不能错把平台的能力当自身的能力，时刻保持清醒经历了一个系统从0到1的建设，见证了系统的不断迭代，虽说是内部系统，但还是有一些用户量的。这种机会挺难得，很多时候都是在现有系统上做一些修修...

我面试的时候面试官一直在叹气 ,当时心都凉了，直接破罐子破摔，但是最后居然过了， 当天就给了口头offer

求求各位大佬了，来点简历拷打，普通一本目前秋招就一个offer不是特别满意，准备冲春招。现在不知道是再去找一段实习干个一个多月整点产出还是就针对简历里面的内容深入了解然后继续背八股。现在犹豫主要是不知道寒假一个多月能不能拿到具体产出怕干一个月没什么具体效果。恳请各位大佬给点建议，看看简历有没有需要改进的地方，感谢了！

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...