德州仪器-硬件工程师-面经

1. Qt中如何连接数据库？在 Qt 中，连接数据库的基本步骤如下：加载数据库驱动：Qt 支持多种数据库（如 SQLite、MySQL、PostgreSQL 等）。需要加载适当的数据库驱动。创建 QSqlDatabase 对象：通过 QSqlDatabase::addDatabase() 来创建一个数据库连接对象，并设置连接类型（例如 SQLite、MySQL）。设置连接参数：配置数据库连接的参数，如数据库文件路径、用户名、密码等。打开数据库：调用 open() 方法来打开数据库连接，并检查连接是否成功。2. QSqlDatabase、QSqlQuery、QSqlTableModel的作用是什...

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

全部是92硕士研究生学历

各位牛友、前辈们好！ 我是湖北大学24级信息与计算科学专业的学生，目前正在带队参加“第十五届正大杯市调大赛”。 我们在推进过程中遇到了企业对接的困难，特来社区求助，希望能找到相关领域的公司或前辈进行轻量级合作，当然，也欢迎广大牛友们指点迷津。📌 我们的课题题目：《信任博弈与价值权衡：用户对Auto-GUI类智能体‘操作托管’的信任机制与偏好研究》核心点： 现在的LLM正在从Chat向Agent进化（如智谱AutoGLM、各家RPA），我们不研究对话，专门研究“操作托管”场景下，用户在效率与隐私权限之间的权衡博弈。🛠️ 我们的技术路线我们不是发发问卷就算了，我们准备了：离散选择实验（DCE）...