腾讯teg云架构许愿HR面

由于上班可能太wlb的原因，下午5:30就下班了，25届的，来到了一个可能相对于陌生的城市，没啥朋友，前两个月，晚上都是在外面瞎逛，找点东西吃，也是到处找篮球场，有一天晚上，在散步的路上发现一个篮球场，人还挺多的，夏天晚上的时候，半场4V4，可能都有6只左右的队伍，现在天冷了，晚上有人在群里说打球，也会有10个左右，虽然离住的地方三公里左右，步行半个小时，但是基本没啥事每天都会去打球，在9月份的时候，去附近一个大学周边吃完饭，结果碰到了高中同学考上了哪里的研究生，也去他们学校打了几次球，这也可能是下班之后唯一的乐趣了。

全都在筛选中，已经麻了😭

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...