说说自己入职一年半年的感受吧，最大的感受就是人员的流动，和刚入职相比基本是换了一批人，其中有调岗的，有离职跳槽的，当然也有被裁的，我自己也经历了两次小的变动。年龄现状先说结论，公司30以上的员工除了领导基本很少，当然这也和公司和部门有关系，在阿里的朋友和我说他们公司的大龄程序员就比较多，这不得不提一嘴阿里喜欢招92硕了，毕业都25了要是30就给人裁了这才几年。总的来说大厂里面35岁以上的一线员工还是比较少的。裁员的底层原理很多人会比较执着于技术或者岗位，觉得技术不好或者选的岗位不好就容易被裁。技术和岗位只是其中一方面的原因，但是更重要的是公司的业绩，业务是否赚钱，你的领导是否看好你等等。例如之...

刚来的时候觉得mentor好厉害，什么都会，说话平和。现在发现只是装的好罢了之前让我写个模块，告诉我要改成什么样，按照他说的改完了，也给他看过了。现在准备合入，又问我你为什么要这么写，你不觉得很麻烦吗？你对xx的理解是不是不对？自己工作太忙，跟别人开会沟通不畅，把脾气发在我的代码上，跟同事背后骂我不会写（当着领导的面），反正骂我干的烂是唯一零成本的呗

实习真的好难找，boss和猎聘投烂了，要么就是没有回复，要么就是已读不回，给我面的感觉还没现在这家公司好，我这简历是上不了台面嘛😅😅😅

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...