最近在投递简历。在BOSS上，投了50来份小厂(1000人以下)。只有几个人回复(我知道这很正常)，目前有一个小厂hr的电话，说他们的要求很高，我代码有点少。感觉小厂的要求都好高，什么QT，游戏项目/引擎，嵌入式，音视频，图片处理，机器学习，数据挖掘/分析等等，我是不是要改变策略，投中大厂(可能他们的要求比较低，比较看重学习能力)？现在想，先投一个月(边复习+MySQL+QT)，不行就考研去了。

身边认识的不少朋友要么0 offer，要么只有不到20k的offer，其中不乏有背景好的985的同学，可是在网上你甚至能看到 28k劝退价 35k侮辱价……虽然有些人的背景确实好，但是不至于说开30+是侮辱他吧，所以有些时候你都不知道说这些话的人是纯纯出来秀优越感恶心人的，还是真觉得年薪50多万是侮辱他…… 多少有些装了吧所以来到互联网之后，我会发现这个世界太魔幻了，有一大堆生化环材还有文科的同学毕业即失业，或者只能拿到7k 8k的工作(背景好的双9能拿的多一些，但很多也比不到互联网大厂23k的白菜价)有一大堆学历较低的计算机科班同学毕业即转行还有一大堆的人嫌一个月20多k太少了，活不下去……

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...