最近整理了一下面小鹏嵌入式软件开发岗位的一面内容。整体感觉是，一面问得还是比较扎实，重点集中在嵌入式基础、RTOS、通信协议、内存、驱动理解和项目细节上。题目本身不算特别偏，但比较考验基础是否成体系，尤其是很多问题都可以顺着项目继续往下深挖，所以准备的时候不能只停留在背概念。请先做一下自我介绍，并重点讲一个你最熟悉的嵌入式项目你项目中的数据流是怎样的，从采集到处理再到发送，中间经过了哪些环节MCU 从上电到进入 main 函数，中间一般会经历哪些关键步骤启动文件和链接脚本分别起什么作用，为什么嵌入式开发离不开它们全局变量、局部变量、静态变量一般分布在哪些内存区域栈和堆分别适合什么场景，在嵌入式...

最近刷boss 投了一堆公司。公司画像员工100-500人，非互联网公司跟着AI热潮产生的岗位需求，多为AI agent开发/全栈开发，基本都是CTO/老板直接对接，流程混乱，要求线下面试，不报销路费，直接不感兴趣拉黑。现在的互联网开发，非进校园的线下面试本来就少，基本都是借助腾讯/飞书会议线上面。走线下反映两个问题：1. 内部能效极低，线上面效率不比线下高？ 2.不懂互联网工具，不会用好互联网产品，内部怎么做的好开发？ 3. 公司没有融资没有上市没有title，凭什么要浪费时间精力给你们线下筛选？这并不表示我们求职者好高骛远，行情不好就安心沉淀寻找方向，盲目的下注只会浪费自己的时间和资源。

正式进入AI Coding时代了  

也大大小小面了很多内部正在搞AI的公司，给大家分享一下我的面试题库！ 第一章：RAG 系统 Q1: 请解释 RAG 的工作原理。与直接对 LLM 进行微调相比，RAG 主要解决了什么问题？ RAG（Retrieval-Augmented Generation）的核心是"检索+生成"两阶段：先从外部知识库中检索与用户问题相关的文档片段，再将这些片段作为上下文拼入 prompt，让 LLM 基于检索到的信息生成回答。相比微调，RAG 的优势在于： ①知识可实时更新，不需要重新训练模型； ②可追溯来源，减少幻觉且便于审计； ③成本低，不需要 GPU 资源做训练； ④领域迁移方便，...