字节跳动9面，杭州抖音客户端已OC

在上一篇文章中，我们已经从整体架构的角度，梳理了企业级 AI 落地的一条核心链路：数仓 / 数据库 → 搜索与 RAG → Workflow / Agent并明确了一个前提事实：模型能否应用，不取决于模型本身，而取决于数据是否真正进入了模型的执行链路。这篇文章我们继续向前推进，聚焦真实落地场景：在 AI 加持的新一代数仓体系下，RAG + Workflow / Agent 在真实企业环境中，究竟是如何跑起来的？下图为完整运行链路：数据在数仓中完成 AI 化处理后，通过搜索与 RAG 转译为模型可理解的上下文，再由 Workflow 编排为可执行的 Agent 流程，支撑真实业务场景运行。一、当...

第一次用mac，拿到手十分新奇，跟用过的同事学习，逐步修改ctrl 到 command健。 现在感觉 之前大家说的mac触控板就是真神。现在用惯了  其他笔记本的触控板 好屎的感觉a

最近群里有很多同学找我看简历，问问题，主要就是集中在明年三月份的暑期，我暑期还能进大厂嘛？我接下来该怎么做？对于我来说，我对于双非找实习的一个暴论就是title永远大于业务，你在大厂随随便便做点慢SQL治理加个索引，可能就能影响几千人，在小厂你从零到一搭建的系统可能只有几十个人在使用，量级是不一样的。对双非来说，最难的就是约面，怎么才能被大厂约面试？首先这需要一点运气，另外你也需要好的实习带给你的背书。有很多双非的同学在一些外包小厂待了四五个月，这样的产出有什么用呢？工厂的可视化大屏业务很广泛？产出无疑是重要的，但是得当你的实习公司到了一定的档次之后，比如你想走后端，那么中厂后端和大厂测开的选择，你可以选择中厂后端（注意，这里的中厂也得是一些人都知道的，比如哈啰，得物，b站之类，不是说人数超过500就叫中厂），只有这个时候你再去好好关注你的产出，要不就无脑大厂就完了。很多双非同学的误区就在这里，找到一份实习之后，就认为自己达到了阶段性的任务，根本不再投递简历，也不再提升自己，玩了几个月之后，美其名曰沉淀产出，真正的好产出能有多少呢？而实际上双非同学的第一份实习大部分都是工厂外包和政府外包！根本无产出可写😡😡😡！到了最后才发现晚了，所以对双非同学来说，不要放过任何一个从小到中，从中到大的机会，你得先有好的平台与title之后再考虑你的产出！因为那样你才将将能过了HR初筛！我认识一个双非同学，从浪潮到海康，每一段都呆不久，因为他在不断的投递和提升自己，最后去了美团，这才是双非应该做的，而我相信大部分的双非同学，在找到浪潮的那一刻就再也不会看八股，写算法，也不会打开ssob了，这才是你跟别人的差距。

从 Yao 等人，2022 引入了一个框架，其中 LLMs 以交错的方式生成 推理轨迹 和 任务特定操作 。生成推理轨迹使模型能够诱导、跟踪和更新操作计划，甚至处理异常情况。操作步骤允许与外部源（如知识库或环境）进行交互并且收集信息。ReAct 框架允许 LLMs 与外部工具交互来获取额外信息，从而给出更可靠和实际的回应。结果表明，ReAct 可以在语言和决策任务上的表现要高于几个最先进水准要求的的基线。ReAct 还提高了 LLMs 的人类可解释性和可信度。总的来说，作者发现了将 ReAct 和链式思考 (CoT) 结合使用的最好方法是在推理过程同时使用内部知识和获取到的外部信息。它是如何运...