小米汽车上海

博主本身是天坑专业出身，从零基础起步，用了 6 个月完成嵌入式转行，同时走了 MCU + Linux 两个方向，最终两边都拿到了 四五十万级别的 offer。因此我一直认为：两个方向一起走，是性价比非常高的选择。这两个方向涉及的知识面都非常广，问题就变成了：如何在有限时间内完成速通？一、大方向概览，小点深挖（核心方法论）1️⃣ 大方向概览：先建立全局认知所谓大方向概览，指的是对 MCU 和 Linux 相关知识体系进行一次快速、系统性的了解。这里非常不建议一开始就看系统课程，效率偏低。更推荐直接看 总结好的知识点 / 官方文档。这一阶段的目标只有一个：对整个技术体系有清晰的整体认知，而不是立刻...

#java# #实习# #27届日常实习#

大三，想找实习，有没有好心人帮我看看简历对自己个人水平没什么自信，搞科研基本都靠vibe coding，最近才开始刷力扣，有点害怕被hr拷问，在一个做cv的实验室里干了半年多，共一的论文基本上是学长的idea，我负责把学长口头说的idea实现在代码上（绝大部分代码是我实现的），其他的经历只能说尝试过，想找个算法或者开发岗，第一段实习以积累经验为主，由于还没有决定以后做什么，所以希望尝试更多的方向也可以给我一些建议，比如需要准备什么，推荐背什么八股之类，谢谢大家了！

我觉得这是一个伪命题，因为这根本就不是一个A或B的问题。互联网各个部门都喜欢搞ai,也确实有很多结合具体业务开发智能体的需求（主要是大老板喜欢），但是据我观察现实情况有个很现实的结论：现阶段大部分智能体开发，核心执行者都是后端工程师。我本人的工作也包含了部分智能体开发，所以有点发言权。究其原因，一来后端工程师最懂业务逻辑和系统底层架构，能精准捕捉业务痛点，知道哪里适合用 AI 赋能、怎么落地才贴合实际需求；二来智能体开发的核心是 “业务落地” 而非 “大模型底层研发”，技术门槛更多集中在业务拆解、工具整合与流程闭环，而非高不可攀的算法研发，后端工程师上手起来反而更有优势。ai是风口，agent...