许愿

自我介绍随后对项目经历的真实性进行了核实，包括项目背景、团队构成及个人分工；面试官询问是否亲自编写过IIC和SPI的底层驱动代码（回答为是）；对比IIC与SPI通信的区别（主要涉及速率方面IIC较低而SPI较高、IIC为半双工而SPI为全双工、通信结构上IIC支持多主多从而SPI一般为单主多从点对点模式）；介绍BootLoader进行固件升级的整体流程；解释static关键字的用途（可用于修饰变量和函数）；阐述函数指针的概念及其实际应用场景（例如在BootLoader中实现向应用程序的跳转）；说明结构体变量的几种初始化方式（包括定义后逐成员赋值、定义时按声明顺序初始化、以及定义时通过指定成员名...

最终还是婉拒了小红书的offer，厚着脸皮回了字节。其实这次字节不管是组内的氛围、HR的沟通体验，都比之前好太多，开的薪资也还算过得去，这些都是让我下定决心的原因之一。但最核心的，还是抵不住对Agent的兴趣，选择了Ai Coding这么一个方向。因为很多大佬讲过，在未来比较火的还是属于那些更加垂类的Agent，而Ai Coding恰好是Coding Agent这么一个领域，本质上还是程序员群体和泛程序员群体这个圈子的。目前也已经在提前实习，也是全栈这么一个岗位。就像最近阿里P10针对前端后端等等不再那么区分，确实在Agent方向不太区分这个。尤其是我们自己做AI Coding的内容，基本上90%左右的内容都是AI生成的，AI代码仓库贡献率也是我们的指标之一。有人说他不好用，那肯定是用的姿态不太对。基本上用对Skill、Rules 加上比较好的大模型基本都能Cover你的大部分需求，更别说Claude、Cursor这种目前看来Top水准的Coding工具了（叠甲：起码在我看来是这样）。所以不太区分的主要原因，还是针对一些例如Claude Code、Cursor、Trae、Codex、CC等一大堆，他们有很多新的概念和架构提出，我们往往需要快速验证（MVP版本）来看效果。而全栈就是这么快速验证的一个手段，加上Ai Coding的辅助，目前看起来问题不大（仅仅针对Agent而言）。而且Coding的产品形态往往是一个Plugin、Cli之类的，本质还是属于大前端领域。不过针对业务后端来看，区分还是有必要的。大家很多人也说Agent不就是Prompt提示词工程么？是的没错，本质上还是提示词。不过现在也衍生出一个新的Context Eneering，抽象成一种架构思想（类比框架、或者你们业务架构，参考商品有商品发布架构来提效）。本质还是提示词，但是就是能否最大化利用整个上下文窗口来提升效果，这个还是有很多探索空间和玩法的，例如Cursor的思想：上下文万物皆文件， CoWork之类的。后续也有一些Ralph Loop啥的，还有Coding里面的Coding Act姿态。这种才是比较核心的点，而不是你让AI生成的那提示词，然后调用了一下大模型那么简单；也不是dify、LangGraph搭建了一套workflow，从一个node走到另外一个node那么简单。Agent和WorkFLow还是两回事，大部分人也没能很好的区分这一点。不过很多人说AI泡沫啥啥啥的，我们ld也常把这句话挂在嘴边：“说AI泡沫还是太大了”诸如此类。我觉得在AI的时代，懂一点还是会好一点，所以润去字节了。目前的实习生活呢，除了修一些Tools的问题，还包括对比Claude、Cursor、Trae在某些源码实现思想上的点，看看能不能迁移过来，感觉还是比较有意思。不过目前组内还是主要Follow比较多，希望下一个阶段就做一些更有创新的事情哈哈。这就是一个牛马大学生的最终牧场，希望能好好的吧。说不定下次发的时候，正式AI泡沫结束，然后我又回归传统后端这么一个结局了。欢迎交流👏，有不对的🙅不要骂博主（浅薄的认知），可以私聊交流

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...