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...

老粉都知道小猪猪我很久没更新了，因为秋招非常非常不顺利，emo了三个月了，接下来说一下我的情况吧本人是双非本 专业是完全不着计算机边的非科班，比较有优势的是有两段大厂实习，美团和字节。秋招面了50+场泡池子泡死的：滴滴 快手 去哪儿 小鹏汽车 不知名的一两个小厂其中字节13场 两次3面挂 两次2面挂 一次一面挂其中有2场面试题没写出来，其他的都是全a，但该挂还是挂，第三次三面才面进去字节，秋招加暑期总共面了22次字节，在字节的面评可以出成书了快手面了8场，2次实习的，通过了但没去，一次2面挂 最后一次到录用评估 至今无消息滴滴三面完 没几天挂了 所有技术面找不出2个问题是我回答不上来的，三面还来说我去过字节，应该不会考虑滴滴吧，直接给我干傻了去哪儿一天速通 至今无消息小鹏汽车hr 至今无消息美团2面挂 然后不捞我了，三个志愿全部结束，估计被卡学历了虾皮二面挂 这个是我菜，面试官太牛逼了拼多多二面挂 3道题也全写了 也没问题是回答不出来的 泡一周后挂腾讯面了5次 一次2面挂 三次一面挂，我宣布腾讯是世界上最难进的互联网公司然后还有一些零零散散的中小厂，但是数量比较少，约面大多数都是大厂。整体的战况非常惨烈，面试机会少，就算面过了也需要和各路神仙横向对比，很多次我都是那个被比下去的人，不过这也正常，毕竟谁会放着一个985的硕士不招，反而去招一个双非读化学的小子感觉现在互联网对学历的要求越来越高了，不仅仅要985还要硕士了，双非几乎没啥生存空间了，我感觉未来几年双非想要进大厂开发的难度应该直线上升了，唯一的打法还是从大二刷实习，然后苟个转正，不然要是去秋招大概率是炮灰。而且就我面字节这么多次，已经开始问很多ai的东西了，你一破本科生要是没实习没科研懂什么ai啊，纯纯白给了

这就是不想好好聊呗

意外收到字节面试，我是惶恐不安呀。😮‍💨刚开始自我介绍，还是小紧张的。不过面着面着就调整了状态。面的感觉不太行，分析了下：一方面是心里觉得大厂面试就是很难的，第二是收到面试的那几天，没启动“临时抱佛脚”模式，还是自己光啃文章了。不过，其实这种面试正常对待就行，日常学的东西总结进行回答差不多了。项目拷打通过 prompt 来做模型微调和上传文件做训练有什么区别prompt 微调通过调整输入提示词引导模型输出，不需要修改模型参数，依据较少的数据实例完成快速迭代，适用于快速验证任务可行性，简单任务场景。缺点也有，prompt训练依据prompt 设计能力，输出可能不稳定。文件上传训练，通过训练数...