小红书秋招

头部互联网大厂里，像字节、阿里、百度都有AIoT部门，做智能硬件、边缘计算相关的嵌入式开发，能接触到模型部署、端侧推理优化这类技术。芯片和半导体公司也很适合，比如地平线、黑芝麻智能，专门做车载AI芯片，需要大量懂嵌入式底层、能优化AI模型在硬件上运行的人才。还有一些垂直领域的公司，比如做工业机器人、智能家居的企业，像美的、大疆，也在布局AI+嵌入式，岗位更偏向实际场景落地。对我们来说，比起纯算法岗，AI+嵌入式的方向反而更贴合专业背景，也更容易发挥优势。

1. Agent 的架构设计一个完整的 Agent，一般不是单独一个大模型就能跑起来，核心会拆成几层。最上面是任务入口，负责接收用户问题和上下文；中间是决策层，负责意图识别、任务拆解、规划和工具选择；下面是执行层，真正去调工具、查知识库、访问服务；最后是记忆和状态层，维护多轮上下文、历史执行结果和中间变量。如果做得再工程化一点，通常还会加一个校验层。因为模型规划出来的步骤不一定总是对的，工具参数也可能填错，所以在执行前后都要做检查，比如参数合法性校验、工具返回结构校验、结果一致性校验。Agent 真正难的地方不是“能不能想”，而是“想完之后能不能稳定执行”。2. RAG 的检索如何实现RAG ...

除了mcp，agent skills这些相关的东西之外，最近又出了一个这个新的名词，你如果去相关的平台去搜这玩意儿，不管是小红书啊还是绿泡泡啊，这些地方全都是叭叭叭AI生成一大堆的长串文章，非常令人难崩，你看着看着就看晕了，并且他们也不是很权威，说不出个什么所以然。我大概看了看，其实我自我感觉就是一种抽象的规范规则的一个统一的命名，如果你让AI做一个东西，比如说编写代码，生成脚本编写需求文档，这些都是AI的一些应用场景，如果你想让这些落地场景相对来说可复用性强。稳定性强，准确率高，适用于一些特定业务场景的复杂逻辑的话，那么就需要很多的定义和规范。比如说分层设计，比如说复用之前已有代码的用法和写法。比如说上下游链路接口的规则的传入 类似于这种的。然后把数据库的使用规范呀，然后接入新增字段的一些规范呀，然后一些加锁的逻辑啊，缓存的逻辑啊，查表的逻辑呀，这些都通过规则呀，或者说是一些别的方式，比如说skills这样给他规定一下，反正我感觉是这样的，不知道有没有大神，有更深刻的见解，只能说AI时代必须要不断学习，你不学就完犊子

双非一本，Java后端，记录一下现在的情况，给差不多背景的同学参考。目前投了：字节（后端）→ 一面过，等二面腾讯 IEG → 笔试过，约面中美团到店 → 投了，无反馈百度 → 笔试下周京东、快手、货拉拉 → 均已投，等消息小红书、滴滴 → 填了一半，还没提交体感字节推进最快，腾讯比较慢。多说一句，投的多了之后网申填表是真的烦，每家都要重填一遍。后来发现牛客有个网申助手插件，信息录一次之后自动同步，省了不少时间，那几家填一半的就是装了之后补完交的。有同背景还在投的吗，来聊聊