本地商业1. 先做一下实习时候的业务介绍，有什么提升2. AI Coding 功能从能演示到能交付，中间差的到底是什么差的不是模型会不会写代码，而是系统有没有交付闭环。演示阶段只要能在几个样例上生成看起来对的 patch 就行，但生产可交付要求它能处理不完整需求、脏仓库、编译失败、依赖缺失、测试不稳定和回滚策略。真正落地时必须加任务约束、静态检查、sandbox、单测回归、补丁审计和失败分级，否则所谓“生成功能”只是把风险后移给人。AI Coding 一旦进入真实研发流，评价标准就从“会不会写”变成“出了错能不能收住”。 def deliverable_check(repo, patch): ...

比预想中晚了一周，时间过得真快啊，感觉越学越多，目前这版简历下周直接开投了，两个项目都是自己用AI敲的，欢迎各位继续拷打，也是在共同交流学习吧。目前可以说出项目架构业务，自己亮点设计的一些思考，技术实现以及技术选型原因，量化指标也准备了一套说辞，但深挖代码估计就寄了；八股过了一遍，属于基本能说点原理理解，但深挖细节估计也寄了；算法简单了解一些整体思路，但手撕估计也寄了；AI可以吹下项目相关的工程实现和一些技术选型，但深挖技术肯定就寄了。总之，基于自身学习状态考量，先投些小厂继续学吧。有道是：“人生南北多歧路，一处春山一路平。”

最近整理了一份芯海嵌入式软件开发二面面经，二面的风格和一面不太一样。一面更偏基础知识排查，会系统问 MCU、FreeRTOS、启动流程、中断、内存这些底层内容；二面通常更看重项目经历，尤其会围绕你简历里写过的项目持续深挖。整体感受是，二面题量不会像一面那样特别散，但每个问题都会追得更细。面试官重点想确认三件事：这个项目你是不是真的做过、关键模块是不是你自己负责、遇到问题时你有没有独立分析和落地解决的能力。面经总结：详细介绍一下你做过的一个嵌入式项目，项目背景、目标和你的职责分别是什么？这个项目的整体软件架构是怎么设计的？模块是怎么划分的？为什么这样拆分？你在项目里具体负责了哪些功能模块？哪些部...