1. ARM处理器是什么架构？Cortex-M和Cortex-A系列有什么区别？答案：ARM是RISC（精简指令集）架构Cortex-M系列：面向微控制器，功耗低，实时性强，适合嵌入式控制（如Cortex-M7、M4）Cortex-A系列：面向应用处理器，性能强，支持MMU和操作系统（如Cortex-A53、A72）2. 堆和栈的主要区别是什么？答案：栈（Stack）：由编译器自动分配释放，存放局部变量、函数参数，生长方向向下（高地址→低地址），空间较小（通常几MB）堆（Heap）：由程序员手动分配释放（malloc/free），空间较大，生长方向向上（低地址→高地址），容易产生内存碎片3. ...

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

我选体验最差：腾讯外包线上面试，应该是腾讯甲方来面试我，我自诉在字节短期外包项目，表达字节前端技术基建不错，很多都工具自动处理，他表达很大的兴趣，问了很多细节。我做了才3个月，哪里知道很深的细节，回答也是打哈哈。然后在问我，原型链，class，防抖，节流手搓代码。正正面试2个小时，我感觉回答还不错，这次，只要不考虑我的年龄应该是稳了。我的优势是便宜，经验丰富，主要是物美价廉。今天回复我不通过，不通过就被面试那么久，开始就拒绝我啊。体感最差，给我希望，立马浇灭。

不知你是否是这样，习惯按TapTap补全代码；偶尔遇到个线程问题，忘记了语法，就直接对话框问AI；甚至在新项目初始化的时候，直接全部交给AI。AI Coding已经融了大部分的开发生活，使用已经是一种习惯。但即使你面试的AI Agent岗位，面试官还是会照例问你八股，这还有必要吗？我已经tap链接大脑，AI 代替思考了呀？ AI 现状  很多产出变得更像“对的”，但更难确认它真的“能上线”  传统工作模式下，我们编码的工作受限于思考，心流的过程。但如果测试时发现问题，可以快速在脑海里定位到大概位置，心中有码。 而与AI人机协作后，我们更多的时间花在编码后的测试，因为代码没过脑，很多写法可能与现...