九号

面试机会来的太突然了，觉得还是试一试。从没背过八股（实在是很突然）不敢写精通熟悉了解只能罗列一下技术栈过几天就要面试了求助牛友们…二编：感谢牛油的建议！实习生and裸面 ，还是真诚老实人版本简历吧，随缘面试尽力就好。太突然了，第一次面就这么猝不及防，加油加油。三编：忘更后续了，过了有一段时间了。面试g了，面的过程中感觉实际岗位不太匹配，在ai方向技术要求比较高。全程没做太多拷打，整体面下来比较轻松（也许是因为28届放放水了，说我才大二...）时间异常短，面完差不多就知道g了（早已预料到）...的确，我现在技术不扎实，如果只是为了实习而实习，还不如好好沉淀自己，等能力过关了再大胆面！加油！沉淀好再出发！

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...