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...