前言这是我的agent系列文章的第2篇，该系列分为三部分：AI认知篇：详细讲解相关基础概念AI实践篇：分享诸如skills怎么写、怎么ai coding、怎么写好prompt等的最佳实践AI八股篇：分享我自己整理的应付大模型应用开发岗位必备的八股笔记如果觉得有帮助，欢迎关注我并期待后续文章！预期是日更哦！当天没更可能是因为太累了，周末会弥补的。做 AI Agent 开发，总被 Function Calling、MCP、Skills 这三个概念绕晕？其实三者层层递进，MCP 和 Skills 都基于 Function Calling 打造，只是解决的实际问题不同，二者甚至并非互补，而是核心竞争关...

历时80分钟，全程被面试官笑着拷打。。。1.自我介绍2.上来两道算法题要求30分钟，一是树的层序遍历，而是数组的深度遍历（ [1,2,3] 输出[1,3,2],[1,2,3],[2,3,1],[2,1,3] [xxx]）3.说说你了解的比较熟悉的技术栈3.实习觉得做的比较自豪的事情4.实习时候的数据的准确率和及时性怎么保证的5.怎么理解元数据的，怎么完善数据资产/血缘的6.rag怎么做的7.说说进程和线程区别，线程是不是越多越好8. cpu内存访问的流程9. tcp为什么三次握手不是两次？10. tcp拥塞控制了解吗11.  https相比http具体还用了什么协议？12  输入一个网页地址发生了什么？13 索引失效的例子14 怎么判断sql是否慢，命中了索引没有？15 了解数据库里面的binlog reglog之类吗16  了解协程吗？（只了解携程。。。。）17  说说大模型和agent区别，mcp和function call 区别18  skill和之前的提示词工程有啥区别19  对ai未来的看法面试官知道我是搞数开的没问啥java后端方面的技术，而且一直跟我说没关系，再加加油吧

能投什么企业

AI给嵌入式带来的改变：从挑战到新机遇传统嵌入式开发遇到的难题：算力和资源不匹配：AI 技术不断进步，像 CNN、RNN 这些 AI 模型，对计算资源的要求越来越高。但嵌入式设备因为使用场景的关系，一般都得做到低功耗、小内存 。比如说，一个普通的 CNN 模型运行起来，可能需要好几 GB 的内存和很厉害的计算核心支持，可大多数嵌入式设备的内存也就几十 MB 甚至更少，计算能力也不强。这么大的差距，让传统嵌入式开发在运行 AI 模型时困难重重。开发思路大转变：以前的嵌入式开发，主要是按照确定的规则来编程，用 if - else 这样的条件语句实现各种功能。但 AI 开发不一样，它靠数据驱动，得收...