许愿offer:东方财富，携程

大家好，我测开/测试方向的，LeetCode 总共刷了 430 道，包括 hot 100 全部 + 一点 SQL。 我的经验总结一下： 1️⃣ 测试方向面试题不难，把 hot 100 里面 mid 和 easy 刷熟练，基本够用。没必要刷到 1000 道题，浪费时间。 2️⃣ SQL 必须会，但是不需要疯狂刷，掌握基本语法后分类别刷几道就行：排序、分组、子查询之类的。LeetCode 上都有题，挑你想刷的就好。 除了以上，还有快排，归并等常见排序算法； 设计模式没考过手撕，记忆中就被问了一嘴单例如何实现 sql主要是:力扣sql50题 刷了一半，自我感觉把聚合/左右连接/排序/子查询练熟就行

我基本都在宿舍面试，也没啥讲究，直接开摄像头就开聊，也没有搞一个纯色背景，背后就直接是室友的床铺，不过面试官都挺理解，没也没有因为这个难为我。有次室友洗完澡，湿漉漉地从身后路过，我还在面试呢，面试官也没介意，就当是生活的一部分了，不过还是不要学我比较好，能找一个安静的环境最好

末九本科参加春招，之前考研，不过已经寄了。这个不是简历，是我现在四年的所有经历，目前主要是不知道选那个方向，大模型算法那些听说很难，但是硬件我又不会，求指点方向。

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...