秋招后遗症

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...

😅😅😅😅😅😅😅😅😅

boss投了上千份有两三个面试吧，想做机器人相关或嵌入式相关的，但是确实没做过啥相关的项目，怎么改改简历，或者咱们自己做项目啊，大家帮我出出主意

题干解析 题设给定一个砖块状态数组和每次的敲击情况，砖块只有互相在上下左右具备连接，且有至少一个砖块与顶部连接才算稳定，打击后变得不稳定的砖块组会被消除，要求我们返回每次敲击后的砖块因不稳定而消除的数量。 算法思路 初始情况所有还存在的砖块可看作一个组，后续的击打便是消除组内部分连接边使得组可能一分为二也可能不变，一分为二时不稳定的组便会被清除，且需要确定清除了多少个砖块。 有关分组的数据我们不妨使用并查集进行维护，但有一个重要问题便是并查集本身并不支持删除已建立的连接。对此我们不妨逆向解决此问题，由此我们成功将并查集无法处理的边删除问题逆向为边增添的问题。假设我们得到所有需要打掉的砖块后的砖...