1. 详细介绍一下你做过的最有挑战性的项目答案要点：项目背景：产品定位、技术指标（实时性、功耗、可靠性要求）、团队规模和你的角色系统架构：硬件平台（MCU型号、主频、资源）、软件分层设计、通信方案、外设配置核心难点：遇到的技术挑战（如实时性保证、多任务调度、通信可靠性、功耗优化）及解决方案项目成果：量化指标（性能提升X%、功耗降低X mW、稳定运行X小时）、个人收获2. 项目中遇到过系统死机或异常复位吗？如何定位的？答案要点：问题现象：系统运行一段时间后偶发死机，无规律，难以复现定位手段： 添加看门狗复位原因记录，分析复位类型关键位置添加GPIO翻转标记，用示波器观察程序执行路径使用JTAG连...

 找不到实习捏 

身边认识的不少朋友要么0 offer，要么只有不到20k的offer，其中不乏有背景好的985的同学，可是在网上你甚至能看到 28k劝退价 35k侮辱价……虽然有些人的背景确实好，但是不至于说开30+是侮辱他吧，所以有些时候你都不知道说这些话的人是纯纯出来秀优越感恶心人的，还是真觉得年薪50多万是侮辱他…… 多少有些装了吧所以来到互联网之后，我会发现这个世界太魔幻了，有一大堆生化环材还有文科的同学毕业即失业，或者只能拿到7k 8k的工作(背景好的双9能拿的多一些，但很多也比不到互联网大厂23k的白菜价)有一大堆学历较低的计算机科班同学毕业即转行还有一大堆的人嫌一个月20多k太少了，活不下去……

原文链接：HikariLan's Blog 当提到“如何为大模型提供大规模的可用于检索的信息”时，我们第一反应想到的大概率是 RAG 一类的解决方案，但现在我要说，基于文件系统访问（FileSystem Access）的检索方式可能远比使用 RAG 更好。 什么是 RAG？为什么需要 RAG？ **Retrieval-Augmented Generation（检索增强生成，RAG）**是一种可以允许 LLM 从大规模非结构化信息中进行语义检索的技术方案。 我们之所以需要 RAG，是因为大模型内置的知识内容可能不符合我们的需要，例如这些内容可能已经过时（因为用于大模型训练的语料库并不会随着使用者...