想在简历里体现“嵌入式 AI 能力”，关键不是写你“学过什么”，而是让面试官一眼看出你能在资源受限设备上把模型跑起来并解决实际问题。可以从三个层面去写：1. 技术栈要“嵌入式 + AI”融合不要只写“会 C++ / Python / TensorFlow”，而是写成有场景的组合，比如：C/C++（ARM Cortex-M / Linux）+ 模型部署（TensorFlow Lite / ONNX Runtime）硬件平台（STM32 / 树莓派 / Jetson）+ 推理加速（NEON / GPU / NPU）这样能直接体现你不是只会训练模型，而是能落地。2. 项目描述突出“落地过程”项目一定...

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。”

继上次三方毁约后，又拿到了腾讯社招offer

如题，实话实说在我的开发中，回答很可能是“加上异常处理，设置最大重试次数，重试三次如果仍然失败就返回错误信息给用户。”你就说有没有毛病吧……这个思路虽然是工程的基本功，但它却是传统软件的错误处理模式。把这个模式直接搬到Agent上，虽然解决了部分简单的失败，但远远不够。零、为什么Agent的失败不同于传统软件？传统软件的失败是显性的，通常表现为接口超时、参数校验不通过或数据库连接失败等，这些都会抛出明确的异常，让你清楚地知道问题在哪里。而Agent系统的失败则是隐性的，尤其是像基于大语言模型（LLM）的系统。例如，LLM可能返回了一个格式正确、没有报错的JSON，但它可能选错了工具、传错了参数...