科运发体检通知了，又要纠结了

第一部分：Prompt 工程 一、调优哲学（五条优先级原则） 在动手改任何 prompt 之前，先用这五条原则做方向判断： 聚焦优先于全面。 先保证主任务稳定完成，再补充细节。一个能把核心事情做对的 prompt，比一个面面俱到但哪个都不太稳的 prompt 有价值得多。 场景优先于通用。 不同场景的必要字段不同，不能机械套模板。先问自己：这个场景里，什么字段缺了会让结果失真？先保这些，再优化其他。 结构优先于辞藻。 清晰的模块化结构比"高级角色设定""华丽描述"更有用。模型不需要你用精美的语言描述任务，它需要你把任务说清楚。 定性优先于精算。 LLM ...

暑期实习从2月开始投，面了两个月，流程该挂的都挂完了，腾讯字节一共号称是1.7w个hc，不知道都发给谁了，估计今年秋招要难顶。Timeline米哈游、美团、蚂蚁、微软等公司直接简历挂穿，没进面。携程：3.3 投递、测评3.12 笔试3.18 一面3.25 二面4.13 ai面（hr面）4.14 英语测评4.23 offer（已拒）腾讯：2.6 测评2.28 wxg一面3.5 wxg二面（挂）3.11 teg一面3.21 teg二面（取消）3.31 teg一面4.10 teg二面（挂）4.21 wxg一面4.24 wxg二面（挂）字节：1.28 aml约面（取消）3.17 火山一面（挂）4.8 aml一面（挂）4.20 抖音data一面（挂）阿里：3.23 投递、测评3.28 笔试3.31 淘天一面4.8 钉钉一面4.9 淘天二面4.10 阿里控股一面4.12 钉钉二面（取消）4.15 淘天hr面4.16 淘天offer（已接）4.21 高德一面（取消）4.22 淘宝闪购一面（取消）面试最大的感触是，现在撞上ai转型，一堆老业务急着转向，新业务非常不成熟，研究型的组bar非常高根本进不去，业务侧挂着算法的岗位干的都是工程活，面试却又要问算法，另外agent的落地也远没有那么广，绝大多数还是那套写死的系统调一下llm api或者做做rag，其余少部分真的在搭agent的，基本不能在线上服务用什么很智能的模型，现阶段成本太高，进去大概率就是给垃圾模型从工程方面兜底，除了业务场景的应用和数据经验以外，技术方面很难有什么提升。算法岗做不了基模的还是去搜广推好，之前判断失误了完全没投，秋招不知道还进不进得去。

没必要在学校疯狂卷了

很多做嵌入式的同学，简历里都会写一句：“熟悉 FreeRTOS，具备多任务开发经验。”但问题来了。到底学到什么程度，才算真的“熟悉 FreeRTOS”？是会创建几个任务？会用队列发消息？还是能把 Demo 跑起来就算？说实话，如果只是会 xTaskCreate()、会 vTaskDelay()、会建个消息队列，这最多只能算“用过”。离“熟悉”还差一截。这篇文章，我就把这个问题掰开讲清楚：FreeRTOS 到底学到什么程度，简历上写“熟悉”才不心虚。一、先说结论：会用，不等于熟悉很多人对 FreeRTOS 的理解停留在这几个层面：会创建任务会设置任务优先级会用延时函数会用队列、信号量跑过几个小项...