自定义博客皮肤VIP专享

*博客头图:

格式为PNG、JPG,宽度*高度大于1920*100像素,不超过2MB,主视觉建议放在右侧,请参照线上博客头图

请上传大于1920*100像素的图片!

博客底图:

图片格式为PNG、JPG,不超过1MB,可上下左右平铺至整个背景

栏目图:

图片格式为PNG、JPG,图片宽度*高度为300*38像素,不超过0.5MB

主标题颜色:

RGB颜色,例如:#AFAFAF

Hover:

RGB颜色,例如:#AFAFAF

副标题颜色:

RGB颜色,例如:#AFAFAF

自定义博客皮肤

-+
  • 博客(503)
  • 收藏
  • 关注

原创 STM32上拉输入与下拉输入:如何做出正确选择?

但在强干扰的工业环境、长线传输或I2C等高速总线中,内部电阻可能不足以维持稳定的电平,此时必须外接更强(阻值更小,如4.7kΩ)的上拉/下拉电阻。这会在内部形成一个分压电路,导致引脚电压悬在中间(约1.65V),既不是有效的高电平,也不是有效的低电平,逻辑判断将完全失效。通信接口空闲态: 如UART的RX引脚、CAN的RX引脚,协议规定其空闲状态为高电平,因此必须配置为上拉输入,以防止在总线空闲时因噪声产生误码。上拉或下拉电阻的作用,就是为引脚提供一个确定的默认电平,极大地增强了电路的抗干扰能力。

2026-09-30 14:36:25 247

原创 岁岁中秋 年年相伴——华清远见成都中心中秋福利来啦~

香甜软糯的月饼,寄托着华清远见成都中心对学子们的美好期许,愿同学们不负韶华、潜心求学,在漫漫求学逐梦路上,收获温暖、蓄力成长,圆满完成学业,收获美好未来。在 2026 年中秋佳节来临之际,为传递节日关怀,营造温馨和谐的节日氛围,华清远见成都中心精心准备了中秋礼品,为全体员工与在读学员送上诚挚的节日祝福与暖心福利,让大家在团圆佳节来临之时,感受来自华清大家庭的温暖。值此中秋佳节,华清远见成都中心衷心祝愿全体员工工作顺遂、阖家美满,祝愿广大学员学有所成、逐梦远航,愿山河无恙,岁岁安康,不负时光,不负热爱!

2026-09-24 14:58:16 207

原创 准确率、精确率和召回率怎么理解?

在人工智能、机器学习、深度学习项目中,准确率、精确率、召回率是最基础、最高频、也最容易混淆的三大模型评估指标。如果精确率低,会出现大量误检:优秀简历被误筛、正常短信被误拦截、无效广告被推荐,严重影响用户体验,漏检几个样本反而影响极小。但大量边缘正样本被过滤,漏检(FN)增加,召回率下降。准确率、精确率、召回率,全部基于二分类混淆矩阵计算而来,不懂混淆矩阵,永远学不会指标辨析。口语中经常混用,但工程、面试严格区分:准确率是全局指标,精确率是正样本专属指标,二者公式、逻辑、场景完全不同,绝对不能等价替换。

2026-09-23 16:48:26 173

原创 怎么成为Agent 智能体开发工程师?

基于开源框架理解轻量多智能体架构,实现多个角色 Agent 协同完成复杂任务,学习容器隔离、任务拆解、上下文管理逻辑,这个项目在 GitHub 热度很高,也是面试高频话题。搭建本地可运行的个人智能助理,实现文档问答、定时任务、工具调用,包含记忆模块、提示词封装,完整跑通从 Prompt、RAG 到工具调用全链路。搭建私有知识库,解决大模型幻觉问题,是绝大多数智能体项目的基础。智能体的 “手脚”,让大模型可以调用外部接口、脚本、数据库,完成查询、计算、数据处理,是 Agent 实现任务执行的核心。

2026-09-22 15:44:17 215

原创 怎么才能拿到25万年薪的AI开发岗?

具身智能、Agent 智能体、端侧 AI 持续爆发,AI 行业岗位已经出现明显分层。底层大模型预训练研发岗门槛居高不下,但AI 应用落地、工程开发方向释放了大量本科可投递的高薪机会。今天这篇文章,我们就从企业真实招聘需求出发,拆解 25W年薪级别 AI 岗位的真相。在思考“怎么拿高薪”之前,得先看清楚一个事实:AI岗位不同方向的门槛、薪资、成长路径差别巨大。有人投了几十份简历石沉大海,有人毕业就拿到25W+年薪。那到底在哪些岗位才能拿到如此高薪呢??一、高薪AI岗都集中在哪些方向?

2026-09-20 15:09:39 176

原创 数组指针与指针数组有什么区别?

不同于上层软件开发,嵌入式开发对内存布局、地址偏移、参数传参、栈内存占用极度敏感,很多看似能正常编译的代码,实则暗藏越界访问、内存踩踏、函数传参失效、硬件数据读取异常等问题。在单片机、Linux嵌入式开发中,杜绝死记硬背口诀,真正理解二者的内存差异和适用场景,才能规避字符串修改死机、数组越界、传参失效、数据错乱等隐性工程Bug,写出稳定、高效、贴合硬件底层的C语言代码。•指针数组:本质是【数组】。问题根源:这是指针数组,是数组不是指针,无法指向二维数组行地址,传参直接类型不匹配,出现内存乱访问、数据错乱。

2026-09-17 11:28:00 100

原创 FreeRTOS任务优先级应该怎样设置?嵌入式工程实战最全指南

看似简单的优先级配置,却是RTOS项目中80%疑难杂症的根源:系统偶发卡死、低优先级任务彻底不运行、串口数据丢包、传感器采样抖动、按键响应卡顿、看门狗频繁复位、程序长时间运行死机。本文彻底摒弃网上碎片化口诀,结合FreeRTOS内核调度原理、企业级分层规范、实战踩坑Bug、优先级反转解决方案、完整代码案例、通用分级模板,手把手教你从底层逻辑落地优先级配置,小白也能写出稳定、无饿死、无卡死、实时性达标的RTOS多任务架构。优先级设置不是凭感觉赋值,而是一套严格遵循实时性、时序依赖、资源抢占的工程规范。

2026-09-15 16:31:35 118

原创 OpenCV中颜色空间有哪些区别

BGR/RGB适合显示和接口交换,GRAY适合结构和亮度分析,HSV/HLS适合颜色阈值分割,YCrCb/YUV适合视频与亮度色度分离,Lab/Luv/XYZ更适合颜色校正和感知差异分析。工程实践中最重要的不是记住所有转换码,而是先判断任务关注的是显示、分割、亮度、压缩还是色彩一致性,再选择最合适的颜色空间。对HSV、Lab、Luv这类非线性转换,如果把0-255的float图像直接送入cvtColor,得到的颜色值可能不正确,实践中应先除以255归一化。Lab把亮度和接近人眼感知的颜色差异分开。

2026-09-14 16:55:31 223

原创 基于ARM架构的嵌入式系统启动流程深度剖析

检测启动介质:通过熔丝位(eFUSE)或BOOT引脚电平选择启动源(如SD卡、eMMC、UART)。· 加载一级引导程序(SPL):从存储设备的固定偏移(通常为1KB)读取至芯片内置SRAM。· 安全机制:部分高端芯片支持BootROM验签(RSA-2048 + SHA-256)。· 典型SRAM容量:64KB(如STM32MP157的SYSRAM)。· 执行环境:在SRAM中运行,无内存管理单元(MMU)支持。· 内存布局:运行于DDR中,支持设备树(DTS)和动态加载。

2026-09-11 15:51:02 186

原创 时光凝花,师恩永携——华清远见成都中心2026年教师节

这份满满的仪式感,让老师们真切感受到职业的温暖与荣光,未来也会继续怀揣热爱、坚守初心,精进教学能力,打磨优质课程,用更专业的教学、更用心的陪伴,助力每一位学员学有所成、逐梦远航。成都中心严老师/朱老师捧着娇艳芬芳的鲜花,走进每一间教室,为在岗授课的老师们送上节日的专属祝福。一束束烂漫鲜花,承载着中心对老师们的诚挚敬意与暖心问候,感恩他们日复一日的用心教学、默默耕耘。这些摆件造型雅致、寓意美好,既是对老师们“匠心育人”精神的致敬,也希望能为老师们的办公桌增添一抹永不褪色的暖意。师者匠心,聚力成长。

2026-09-10 15:55:06 130

原创 神经网络中的损失函数是什么

训练过程中,算法会计算损失函数的梯度,根据梯度反向逐层调整神经网络的权重、偏置等核心参数,逐步修正模型的预测逻辑。误差较大时采用绝对误差计算,抑制异常值干扰,兼顾精度和稳健性,常用于复杂场景的回归预测。模型对海量数据的预测偏差无法通过人工直观判断,损失函数将抽象的“预测不准”转化为具体、可计算的数值,让每一次预测的误差都有统一的衡量标准,方便批量评估模型效果。是神经网络分类任务的首选损失函数,完美适配各类图像分类、文本情感判别、场景识别等离散分类场景,有效规避了均方误差在分类任务中容易出现的梯度消失问题。

2026-09-09 15:09:55 256

原创 智创未来|华清远见成都中心8月开班典礼圆满举行

同时,就业老师也为学员们介绍了华清远见成都中心完善的就业保障体系,涵盖职业规划、简历深度优化、高频面试演练以及名企内推通道等等,帮助每一位学员突破求职瓶颈,实现技能与薪资的双重飞跃。但这并非结束,而是新征程的起点。轻松融洽的分享不仅迅速拉近了彼此的距离,消除了初入新环境的陌生感,更让这群志同道合的“技术追梦人”凝聚成一股向上的力量,为接下来的互助学习奠定了坚实的基础。从日常考勤到学习纪律,班主任化身“学习督导员”与“生活大管家”,全程跟进学员的学习进度,为学员们营造一个专注、自律、进取的积极学习氛围。

2026-09-04 14:34:07 219

原创 卷积层、池化层与全连接层的作用及工作机制分析

不管是日常用到的图像分类、目标检测,还是图像分割模型,像ResNet、YOLO、MobileNet这些热门网络,核心组成都离不开三个基础模块:卷积层、池化层、全连接层。运行代码后,输入为4张3通道32×32的模拟图片,输出维度为[4,10],代表4个样本、每个样本对应10个分类概率,完整复现了CNN从图像输入到特征提取、降维、分类的全流程。这篇文章就用通俗直白的话,从零讲透三层网络的工作原理、核心作用、优缺点和搭配逻辑,没有晦涩的公式堆砌,结合实际视觉场景讲解,适配入门学习和项目复盘,也能直接保存归档。

2026-09-03 14:28:59 306

原创 嵌入式四大方向,到底怎么选?

只要往RTOS、低功耗设计、通信协议方向深耕,MCU工程师一样能拿到20K以上的薪资,且岗位量巨大,是转行入行的最佳跳板。驱动和底层方向前期最难啃,需要啃内核、看原理图,但一旦跨过门槛,越老越值钱,薪资天花板也最高。实际上,硬件工程师是软硬件协同里不可替代的角色,懂电路设计再补上软件能力,就会成为稀缺的软硬通吃型人才,职业空间反而更宽。:可以直接挑战嵌入式Linux应用开发,往QT、多线程、网络编程方向深耕,这也是目前高端嵌入式岗位的主流方向。很多人选方向,只看谁薪资最高、谁最热门,结果学得很痛苦。

2026-09-02 15:56:13 331

原创 嵌入式硬件开发流程概述:从原理图到PCB制造

本文以工业级嵌入式硬件开发标准为核心,完整拆解从原理图设计到PCB量产制造的全流程,讲清每一步的核心原理、设计规范、实操要点,附带电路图/PCB制图指引、流程框图、工程避坑准则,无冗余空话,完全贴合硬件实战,排版适配Word下载存档与技术分享。绘图结构建议:分块绘制、分区标注、网络标号统一、电源网络加粗标识、关键信号单独走线,模块之间信号流向清晰,方便后续查错、复盘、交接。•功能需求:明确采集、通信、控制、显示、存储等核心功能,确定需要的外设接口(UART、I2C、SPI、CAN、WiFi、蓝牙等)。

2026-09-01 14:27:58 234

原创 8位单片机与32位单片机的深层差异

8位单片机以其低成本、低功耗的特点适用于简单控制和成本敏感的应用,而32位单片机则以其高性能和丰富的功能满足了复杂系统和高端应用的需求。与之形成鲜明对比的是,32位单片机通常配备了更多的外设接口和更高级的功能模块,如以太网MAC、USB OTG、硬件加密模块等,使其更适合高端应用和复杂的系统集成。相比之下,32位单片机虽然提供了更高的性能,但相对复杂的设计和更高的时钟频率也导致了较高的功耗和成本。从早期的4位、8位,到后来的16位、32位乃至更高位数的单片机,每一次技术的飞跃都极大地推动了电子行业的发展。

2026-08-31 11:42:46 245

原创 LVGL图形库概述及嵌入式GUI发展现状

同时持续完善可视化开发工具,简化开发流程,降低入门门槛。LVGL作为一款轻量级、高性能、开源免费的嵌入式图形库,凭借极低的资源占用、完备的功能体系、极致的跨平台适配能力、成熟的社区生态,精准匹配了当下嵌入式GUI的开发需求,有效解决了传统GUI框架的各类短板。随着物联网、智能硬件、工业智能化、汽车电子等领域的高速迭代,嵌入式设备不再局限于单一的数据采集与控制功能,智能化、可视化、交互化成为核心发展趋势,嵌入式GUI(图形用户界面)作为设备与人机交互的核心载体,迎来了规模化发展与技术升级的双重变革。

2026-08-28 10:54:32 178

原创 为什么算法训练前必须处理图像?

通过归一化将数据映射到 0,1 或 −1,1 之间,可以使损失函数的等高线变得更加平滑和圆润,这能极大改善优化问题的条件数,帮助优化器减少震荡,以更大的步长更快、更稳定地找到全局最优解。这解决的不只是“梯度爆炸”,更是收敛速度的瓶颈。预处理解决的不仅是“数据干净不干净”的表面问题,它在数学优化和工程的底层,深刻影响着模型的收敛速度、最终精度和泛化能力。通过合理的预处理和去噪,我们能有效剥离冗余信息,强制模型关注区域的纹理与形状,从而极大降低过拟合风险,提升模型在测试集(及真实世界)上的泛化能力。

2026-08-27 10:41:23 152

原创 筑牢安全防线 守护平安华清|华清远见成都中心开展全员消防安全培训

同时,进一步厘清了消防器材的使用规范与注意事项,有效破解了大家面对突发火情不会处置、不敢处置的难题,切实补齐了消防安全应急技能短板。为强化全体师生的消防安全防范意识,普及消防安全基础知识,提升面对火灾险情时的自救互救能力,华清远见成都中心于2026年8月25日下午组织开展了全员消防安全专题培训。此次消防安全培训的成功举办,不仅增强了师生们的消防安全意识和自防自救能力,也为华清远见成都中心营造安全、稳定、和谐的教学环境奠定了坚实基础。培训现场,成都中心师生们认真聆听,积极提问,互动频繁。

2026-08-26 15:44:38 207

原创 嵌入式操作系统是什么?

举例:STM32 采集传感器数据(低优先级任务)时,突然收到 CAN 总线的紧急控制指令(高优先级任务),FreeRTOS 会立即暂停传感器任务,执行控制指令,执行完再回到传感器任务,整个过程的延迟是可预测的(通常微秒级)。FreeRTOS 开发:创建 3 个任务(传感器任务、蓝牙任务、电机任务),设置蓝牙任务优先级最高(紧急指令优先响应),RTOS 自动调度,高优先级任务打断低优先级,3 件事看似同时进行,小车反应迅速且稳定。NULL // 任务句柄(用于后续控制任务));

2026-08-24 14:36:12 174

原创 FreeRTOS任务管理机制详解:任务是如何运行的?

很多刚接触 FreeRTOS 开发的同学,能熟练写出xTaskCreate创建任务,会调用vTaskDelay延时,但是始终搞不懂一个核心问题:RTOS 到底是怎么调度多个任务并发运行?任务能否流畅运行,核心在于合理划分任务优先级、善用阻塞 API,避免持续占用 CPU。问题:空闲任务 和 用户任务优先级相同,空闲任务钩子函数开启,空闲任务还能正常执行吗?任务内部使用大量耗时循环,不调用阻塞 API,霸占 CPU,其他任务得不到执行;vTaskDelay()会让任务进入阻塞,CPU 去运行其他任务;

2026-08-20 15:05:26 217

原创 谋定后动启新程,迭代创新战开局——华清远见成都2026年中会议圆满结束!

陶老师全面盘点成都中心上半年整体运营情况,肯定全体员工付出的努力,深度剖析当前行业发展机遇与竞争形势,围绕 “谋定后动、迭代创新” 核心方向,明确下半年战略目标与发展要求,号召全体成员坚守育人初心,持续提升服务质量,以更务实的行动冲刺年度目标。来自综合部、品质保障部、市场部等多个部门的代表依次登台,大家立足岗位,全面复盘上半年工作成效,分享工作成果与挑战,并制定下半年工作计划,分享交流,碰撞思想、互通思路,为下半年工作做足准备。13时40分,主持人热情开场,唯有“谋定”方能不惑,唯有“迭代”方能常新。

2026-08-18 17:07:48 214

原创 FreeRTOS事件组(Event Group)的工作机制分析

2.xClearOnExit = pdFALSE:标志永久保留,多任务可同时读取同一个事件位,共享式事件(典型:状态标记,多个任务读取同一设备就绪标志)。默认事件组存储类型:EventBits_t(16位/32位,由configUSE_16_BIT_TICKS决定,一般32位,最多32个独立事件);3.事件组:多bit状态标记,同时等待多个事件组合,支持或/与逻辑,适合多条件同步(多传感器就绪、多按键触发、多外设中断汇总)。= 0b1001 → 条件不成立,继续阻塞;将A移出阻塞链表、放入就绪链表;

2026-08-17 15:08:30 225

原创 嵌入式常见通信协议对比:UART、SPI、I2C、CAN 如何选择?

当系统跨越整个车厢或工厂,面临强电磁干扰时,UART、I2C、SPI 都会显得力不从心,此时必须请出 CAN 总线。它仅用两根线(SCL时钟、SDA数据)就能通过地址寻址的方式,挂载多达上百个设备,支持多主多从架构。它采用同步全双工通信,拥有独立的时钟线(SCK)和数据线(MOSI/MISO),没有复杂的协议开销,时钟一拉就能全速狂发数据。它不需要时钟线,仅靠两根线(TX发送、RX接收)即可实现全双工通信,前提是双方必须提前约定好相同的波特率。优势与劣势:它的协议极简,硬件成本低,开发调试极其方便。

2026-08-13 10:12:01 159

原创 卷积神经网络(CNN)为什么能够识别图像?

CNN之所以能识别图像,在于它将生物视觉的智慧融入算法设计:卷积操作实现局部特征提取,权值共享带来参数效率与平移等变性,池化赋予位置鲁棒性,层次结构完成从像素到语义的逐层抽象,而端到端学习让这一切自动发生。他们发现,视觉皮层中的神经元只对特定区域的视觉刺激产生反应(局部感受野),且不同神经元对边缘、方向等不同特征敏感。一个3×3的卷积核仅9个参数,却能扫描整张图像,高效提取边缘、纹理等局部特征。这种端到端的学习方式,让CNN摆脱了对手工特征的依赖,实现了从"特征工程"到"特征学习"的范式转变。

2026-08-07 15:08:46 173

原创 PCB设计中的电源完整性与信号,完整性基础概念

信号完整性(SI)是指电信号在PCB传输路径中,保持波形完整、时序准确、无失真传输的特性,聚焦信号传输过程的质量控制。但高速信号传输时,走线长度、阻抗不匹配、串扰、反射、延时偏差等问题会凸显,造成信号畸变、过冲、振铃、时序错乱等现象,导致数据传输错误、通信失效。本文简要阐述二者的基础概念、核心问题及设计意义。在现代PCB设计中,只有兼顾二者的基础特性,通过合理布局布线、优化电源架构、匹配传输阻抗,才能规避高速电路的各类隐患,保障电子设备高效、稳定、可靠运行,为高端电子产品的小型化、高速化发展提供技术支撑。

2026-08-06 15:59:58 203

原创 秋招临近,现在从零开始学AI,真的还来得及吗?

但来得及不代表“随便学学就能上岸”。零基础自学最大的问题不是学不会,而是没有规划、盲目刷题、学不到考点、攒不下项目,白白浪费暑假黄金备考期。✅ 核心工作内容:API调用、Prompt优化、RAG私有知识库搭建、智能体工作流编排、行业AI场景落地。这份计划适配所有零基础、跨专业、文科、理工科应届生,全程贴合秋招提前批、正式批节奏,可直接照搬执行。大家印象里的AI:深度学习、神经网络、模型训练、海量算法推导、硕士起步、学历内卷。RAG知识库开发:文档解析、文本分割、向量数据库、检索优化、解决模型幻觉问题;

2026-08-05 10:07:16 197

原创 盛夏启航,逐梦前行!华清远见成都中心7月开班典礼圆满举行

班主任老师将全程做好班级服务、日常管理、学习督导、问题答疑等保障工作,及时解决学员学习与生活中的各类问题,营造严谨、自律、互助、进取的班级学习氛围,为全体学员的学习之路保驾护航。怀揣着对嵌入式、人工智能等前沿技术的热爱与对职业发展的憧憬,新一批学员齐聚一堂,正式开启系统化、专业化的IT技能深耕学习之旅。开班仪式内容充实,聚焦教学赋能、就业保障、班级管理三大核心维度,邀请成都中心教学老师、就业指导老师、教务管理老师依次上台发言,为全体新生答疑解惑、指引方向,全方位助力学员明晰学习目标、筑牢成长根基。

2026-08-04 10:45:25 240

原创 大模型幻觉问题解析:AI为什么会一本正经地编答案

用过ChatGPT、文心一言、通义千问等大语言模型的用户,大多遇到过这样的场景:AI面对专业问题、冷门知识、数据查询、细节考证类提问时,会输出一段逻辑通顺、语句严谨、看起来毫无破绽的答案,但仔细核查后会发现,内容完全是捏造的、数据是虚构的、案例是不存在的、论据是凭空拼接的。知识主体是真实的,但细节、数据、归属、时间、逻辑被错误组合。当用户提问的内容和训练数据中的内容相似但不同时,模型会强行套用相似逻辑、相似案例进行推导,过度举一反三,将相似内容直接套用,最终出现张冠李戴、细节篡改的幻觉错误。

2026-07-31 09:59:00 220

原创 AI中的Token到底是什么?一句话如何被AI理解?

所有大语言模型都有一套预先训练好的词表(Vocabulary),词表中收录了模型能识别的所有Token,每个Token对应一个唯一的整数ID,模型实际处理的不是文本本身,而是这些ID对应的向量,这就是Token编码的核心逻辑。3.语义计算与理解:模型通过自注意力机制,计算每个Token和其他所有Token之间的关联程度,比如“天气”和“很好”的关联度远高于“今天”和“很好”,模型会通过这种关联权重整合所有Token的信息,最终得到整句话的语义向量表示,完成对这句话的理解。

2026-07-28 14:21:28 167

原创 多智能体协同工作原理:多个Agent如何完成复杂任务

在人工智能、机器人控制、智能调度、自动驾驶与大模型应用场景中,单一智能体(Single Agent)受限于感知范围、决策能力、算力资源与执行边界,仅能完成简单、单一、低复杂度的独立任务,无法适配大规模、高维度、强耦合的复杂场景任务。单智能体的感知、算力、执行、决策边界,决定了其无法处理高复杂度、高耦合、全域性的综合性任务,而多智能体协同技术通过任务拆解分工、信息互通共享、动态协同决策、冲突博弈消解、容错冗余备份五大核心机制,将多个简单智能体的个体能力聚合为超强的整体能力,完美解决复杂任务的落地难题。

2026-07-27 15:24:20 178

原创 Embedding向量化原理:AI是如何理解文本含义的

而 Embedding 的本质,就是翻译官:把人类能读懂的自然语言,翻译成机器能计算的高维数字向量,让抽象的“语义”变成可量化、可对比的数值。向量里的每一组数值,都对应文字的词性、语义、语境、情感等隐藏特征,相当于给每句话、每个词分配了一个独一无二的“语义身份证”。比如“奶茶”的向量,会同时包含“饮品、甜食、休闲、高热量”等多重隐含特征,不会丢失细微语义信息。Embedding 向量化后,模型可捕捉到“拉胯、没电”等负面语义特征,自动判定为差评,归类为「续航问题」工单,无需人工关键词匹配。

2026-07-24 16:24:46 305

原创 嵌入式存储器分类详解 RAM、ROM、Flash到底有什么区别

在单片机中用来存储程序数据及常量数据或变量数据,凡是c文件及h文件中所有代码、全局变量、局部变量、”const”限定符定义的常量数据、startup.asm文件中的代码(类似ARM中的bootloader或者X86中的BIOS,一些低端的单片机是没有这个的)通通都存储在ROM中。‌DRAM‌密度高、成本低,需刷新电路,常用于大容量主存。CPU干活用‌RAM‌,开机引导用‌ROM/Flash‌,存程序和大文件用‌Flash‌。‌全局变量初始值‌ → 初始存在 ‌Flash‌,上电后拷贝至 ‌RAM‌。

2026-07-21 11:11:10 202

原创 Agent执行任务的完整流程解析

本文将深入解析Agent执行任务的完整流程,包括从任务接收、规划、执行到反馈的全过程。Agent执行任务的完整流程体现了"感知-规划-执行-反馈"的闭环设计思想。prompt = f"分析用户输入的意图和需求:{user_input}""数据处理": "data_processor""文件操作": "file_manager","代码编写": "code_writer","网页搜索": "web_search",理解意图后,Agent需要将复杂任务分解为可执行的子任务序列。

2026-07-20 16:42:55 182

原创 UART串口通信入门-为什么串口是嵌入式开发必学技能?

支持全双工通信,通常采用点对点(1对1)连接,需要TX(发送)、RX(接收)和GND(地线)三根线。支持半双工(两线制)和全双工(四线制)通信。最通用的基础通信方式,应用无处不在‌:小到单片机程序调试打印、单片机与电脑交互,大到蓝牙/WiFi/GPS/4G等外设模块的指令交互、工业设备参数配置、多机数据传输,都依赖UART串口通信,是嵌入式开发中使用最广泛的基础协议。但是,同一字符内相邻位间的时间间隔是确定的,比如0X33低两位的1和1之间的时间间隔是确定的,这是UART传输速率的概念——波特率。

2026-07-15 15:15:00 198

原创 AI工作流与Agent有什么区别?一文看懂两种开发模式

总结而言,2026年的AI大模型开发就业市场,正经历从"技术崇拜"到"价值落地"的理性回归。Agent(智能体)是一种具备自主感知、推理决策与行动执行能力的智能实体,它通过持续与环境交互、调用工具链并迭代优化策略,动态地整合大语言模型的认知能力与外部系统的功能接口,从而以灵活、自适应的方式达成复杂且开放的目标。总结而言,Workflow通过将大模型的"智能弹性"封装进结构化的执行框架,在保持AI能力优势的同时,赋予了系统工程化部署所需的稳定性、可控性与经济性,是连接前沿AI技术与实际业务落地的重要桥梁。

2026-07-14 15:23:31 254

原创 ADC采样原理入门:单片机如何读取模拟信号

由于多通道扫描会产生大量数据,工程上几乎总是配合DMA使用——ADC每转换完一个通道,DMA就自动把结果搬运到内存数组里,等全部通道都转换完毕,CPU直接去数组里取数就行了,全程几乎不需要CPU插手。在单片机内部,ADC是一个外设模块(就像定时器、串口一样),它接收引脚上的模拟电压(通常是0V ~ 3.3V或0V ~ 5V),经过一系列内部处理,最终输出一个整型数字(比如0、1024、2048、4095),供CPU读取和使用。分辨率越高,测量越精细,另外分辨率越高,转换时间通常越长,成本和功耗也越高。

2026-07-13 11:09:25 209

原创 MCP协议是什么?为什么Agent开发越来越离不开它

它能读文档、能查天气、能搜微博、能调数据库、能识别图像——就像华清远见那张图里展示的一样,从“基础应用”(颜色识别、形状检测)到“综合项目”,再到“大模型工作流编排”,能力是一条不断扩展的链条,而MCP就是那个把链条串起来的标准接口。它定义了模型怎么去“调用检索工具”。模型本身不会“用工具”,但通过MCP,它可以声明需要调用哪个工具、传什么参数。就像华清远见仿真系统里那个界面所暗示的——从“基础应用”到“大模型工作流编排”,AI真正变得有用,靠的不是模型本身变大,而是模型和外部世界之间的那条标准化通路。

2026-07-08 14:27:32 339

原创 物联网通信协议对比:MQTT、CoAP、HTTP到底该怎么选

OSCORE的亮点:它是CoAP专用的端到端安全协议,加密的是CoAP消息的特定部分,网关无需解密即可转发,大幅降低中间节点的安全风险。以小米智能家居为例,米家生态中设备(灯泡、插座、传感器)通过WiFi或Zigbee网关接入,通信协议采用定制版MQTT(部分设备使用CoAP over Zigbee,但云端统一用MQTT)。每个HTTPS请求至少需要2个RTT(TCP握手1个RTT + TLS握手1~2个RTT),加上数据传输和四次挥手,对于频率较高的传感器上报(例如每10秒一次),开销极其巨大。

2026-07-07 10:43:07 734

原创 人工智能热门岗位解析

如果你有一定的编程基础,想快速切入AI赛道,大模型应用开发是非常好的选择——薪资高、需求大、入门相对友好。负责大语言模型(LLM)及相关AI技术的底层开发与优化,包括模型预训练、微调、推理加速、分布式训练等核心工作。——你需要把大模型当“大脑”,串联外部数据库、API工具、记忆组件,搭建一个能自主完成复杂任务的闭环系统。计算机视觉是当前招聘量最大的AI岗位之一,覆盖人脸识别、目标检测、图像分割、工业视觉等方向。支持智能客服、知识库问答、AI助手、自动化办公、内容生成等各类应用。

2026-07-03 10:55:12 249

空空如也

空空如也

TA创建的收藏夹 TA关注的收藏夹

TA关注的人

提示
确定要删除当前文章?
取消 删除