入门嵌入式 AI 第一件事：先搞懂「AI 如何跑到小板子上干活」，而不是先啃芯片手册。90% 新人一上来学 ARM、焊电路、写驱动，直接懵圈。你现在立刻就能做、必须先做的 4 步（顺序别乱）：1. 建立最核心认知（1小时）​只记住一句话：嵌入式 AI = 让小型设备（摄像头/音箱/小车）自己看、听、认东西。​关键逻辑：模型训练在电脑，但推理跑在板子（如树莓派、K210）。2. 玩透现成嵌入式AI工具（1天）​Edge AI 开发板：用树莓派+USB摄像头跑现成的人脸检测模型（搜“树莓派+OpenCV人脸识别”教程）端侧AI框架：体验 TensorFlow Lite 官方示例（用手机 APP 实时识别物体）语音唤醒：尝试训练一个简单的离线语音指令（用 Edge Impulse 平台+Arduino）目标：知道嵌入式AI的瓶颈（算力小、要省电、模型必须压缩）。3. 学 Python 基础 + 嵌入式套路（5天）​Python 核心：变量、循环、函数（足够调库用）嵌入式关键库：OpenCV（处理图像）、PySerial（和单片机通信）、TFLite 推理接口必学骚操作：用 PC 训练模型 → 转成 TFLite 格式 → 丢进板子跑4. 跑通第一个嵌入式AI闭环（2天）​用现成模板完成：“树莓派拍照 → 用 TFLite 识别图中物体 → 控制 LED 闪灯”（GitHub 搜“Raspberry Pi TFLite Object Detection”）关键：不写算法，只改参数、接硬件，感受从数据到物理动作的完整流。附：避坑指南​别手搓神经网络！用预训练模型（MobileNet、YOLO-Tiny）起步别死磕 C++！Python 跑通再移植硬件买“套餐”：淘宝搜“树莓派AI视觉套件”（含摄像头、模型例程）记住：嵌入式 AI = 20%算法 + 80%的模型裁剪、协议对接、电源管理 —— 先让板子“动起来”，再想优化。

name: embedded-c-code-reviewerdescription: 用于对嵌入式C代码进行系统化审查，确保符合嵌入式开发最佳实践、安全性和性能要求核心审查要点：内存管理：检查动态内存分配 (free 是否匹配、栈溢出风险)中断安全：中断服务函数是否禁用全局中断、是否使用 volatile 变量硬件访问：寄存器操作是否正确、位操作是否原子化功耗优化：是否避免忙等待、是否正确使用低功耗模式代码尺寸：检查是否有冗余代码、是否使用合适的数据类型编译器兼容性：是否避免非标准 C 特性、是否正确处理字节序问题

Ai 芯片算子开发 vs 互联网搜广推后端开发芯片厂非大厂，互联网中大厂（9本Linux C++服务器开发选手）

name: embedded-debug-loggerdescription: 自动为嵌入式代码添加标准化调试日志，支持不同日志级别和输出方式type: code-modificationparameters:- name: log_leveltype: stringdefault: INFOdescription: 默认日志级别（ERROR, WARNING, INFO, DEBUG, VERBOSE）- name: output_interfacetype: stringdefault: UARTdescription: 日志输出接口（UART, USB, SWO, CAN）功能特点：自动在函数入口 / 出口添加日志支持条件编译，发布版本可完全移除日志日志包含时间戳、函数名、日志级别和消息支持格式化输出（类似 printf 但无栈溢出风险）支持中断安全的日志输出机制