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...

27届2本，ssob基本都是已读不回，只有个别小厂能约到面试，，是项目过于简单了，还是我应该再做一个项目呢。。。走过路过的大佬看一眼孩子吧，孩子真懵B了

bg，成电本，成绩大概30/100，自认为项目做的还可以了，黑马的苍穹外卖，点评，springcloud那个听完了顺便去做了尚硅谷的谷粒商城，没做运维篇，准备了3个月力扣，11月到现在0面试，boss日均100份，，一开始认为是简历问题，于是找了入职的大厂的朋友要了几份简历，只改了个名字电话就投，依旧0面，中途遇到几个卖课的骗子被我一眼丁真，好的，接下来我学校也乱写了，反正根本约不到面，直接填华五的学校，依旧是0面。这还没完，学校有合作企业，里面的岗位听说很简单，之前跟我一个课的同学，把课设写上去了，但是他也没怎么系统学过java，人家已经面完准备入职了，我不知道我是不是不适合计算机，或许就是我能力的问题 ，反正确实是招笑，那么早准备最后0面，不打算继续找了，准备考研了 ，祝大家工作顺利!

恍恍惚惚也实习快半年了，工作主要是后端开发。 进了才知道是自动驾驶头部的明星初创（不是的话别打我🫣）。每天从家走路15min/骑车5min到公司属实很爽。 整体规模不大，工作内容还是很丰富。从python后端到java后端，中间又穿插了一个月前端开发（噩梦hhh），以后很可能还会涉及scala。长远来看，应该还是java和scala为主，go也有使用但是不清楚我会不会用上。 我本身是第一段开发实习，加上底子很弱，确实学到很多也成长很多。被分到各种任务有时候还是蛮慌张的，好在结果整体还ok！ 不提倡狂加班，还是以结果为导向，干完就可以溜溜球。加上通勤很少，整体强度不算很大。组内氛围也是挺不错的...