我觉得首先得好好学习python，而且python真的很简洁高效，人生苦短，得用python嘿嘿，还有python中的Flask要掌握了，就像Java中的spring boot一样还有就是基础知识啦，弄明白Transformer架构，也不用你推导公式，把每个细节都弄清楚，知道Encoder/Decoder是干啥的就行，明白什么是Embedding(词向量)。不懂的地方去OpenAI、DeepSeek或者阿里的千问这样效率贼高

实习第三天了，讲讲感受吧，mentor每天都会喊我一起去食堂吃饭，会给我推荐哪家的好吃，吃完饭还会等我，经常没事，会来问我有没有问题，有问题随时来找他。看到我就一个电脑分屏比较困难，还帮我安排了一个新的显示器，可以看下面的图，到现在都没给我派什么任务，让我先熟悉。反正，心里暖暖的

大二双非小登被字节约面了，海投投到后看了简历直接约面了，虽然不大可能面上，但我将尽我最大努力，期末考试不复习了😡

在上一篇文章中，我们已经从整体架构的角度，梳理了企业级 AI 落地的一条核心链路：数仓 / 数据库 → 搜索与 RAG → Workflow / Agent并明确了一个前提事实：模型能否应用，不取决于模型本身，而取决于数据是否真正进入了模型的执行链路。这篇文章我们继续向前推进，聚焦真实落地场景：在 AI 加持的新一代数仓体系下，RAG + Workflow / Agent 在真实企业环境中，究竟是如何跑起来的？下图为完整运行链路：数据在数仓中完成 AI 化处理后，通过搜索与 RAG 转译为模型可理解的上下文，再由 Workflow 编排为可执行的 Agent 流程，支撑真实业务场景运行。一、当...