字节一面复盘三个部分，自我介绍、技术知识考察、实战考察（如果时间允许，实际没有）流程是问简历上的项目，基本是从上往下看到什么问什么，根据简历问到了vue、WXML、CSS、深度学习、色彩原理、图层蒙版的简单知识。项目问题你后面也写过，WXML, 也写过传统的前端，对吧？对你觉得这个WXML和HTML有什么区别呢？ 答：微信小程序接近vue的思想，组件化，库管理更方便。 更好的答案（为什么开发wxml而不使用html）：底层优化：WXML 是为小程序环境量身定制的，它与 WXSS 和 JavaScript 的结合更加高效。功能取舍：标签更轻量级，解析和编译开销小安全：屏蔽了iframe href...

投了7、8天简历了，都没什么后文

top1：pdd。绝对的no1，多多一年，人间十年，不过多多给的是真的到位，但是辛苦也是真的，拿多少钱干多少活在pdd不存在。只有最累，没有更累。top2：dw，xhs，jd，宇宙厂。这些工作强度极大，尤其是dw，有段时间更是超过了pdd，性价比极低。宇宙厂心累程度也是出了名的高！top3：ks，阿里，鹅厂，熊厂，团子。他们可以说是工作强度很大，性价比会高一点，但是同部门之间薪资对比的确不如pdd和xhs。以上排名只是一个综合评价，综合身心疲惫的程度。

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...