personal-career-planning/AGENTS.md

AGENTS.md

项目定位

本仓库是个人发展与职业规划项目，为特定用户（25 岁、研一、计算机应用技术、医学图像分割方向）服务。所有分析、文档、计划必须使用中文。不编造用户经历、能力或偏好，信息不足先提问。规划结论必须区分"事实"、"推断"、"假设"。

用户画像（关键事实）

维度	内容
背景	上海应用技术大学（建筑环境）→ 黑龙江科技大学 研一（计算机应用技术），跨考，暖通技术员 1 年 7 个月
研究方向	医学图像分割（深度学习/PyTorch），两篇小论文推进中
就业方向	双轨策略：Track1 MCU实习（立即投递）+ Track2 嵌入式Linux（持续积累），每天 4.5h+
英语	六级未通过，~350 分，目标 425（2026-12 考试），每天 1.5h
设备矩阵	台式机(RTX 4070 Ti Super 16GB, 跑深度学习) + Steam Deck(16GB, 1.5TB, VMware+Ubuntu, 主力日常) + 实验室笔记本(64GB+8GB GPU, 不可远程SSH)
开发板	STM32F103C8T6 + STM32F103ZET6 + OLED + LCD(FSMC) + 多传感器(LED/Button/DHT11/光感/Flash/触控)
硬件预算	500 元以内，可适当上浮；新项目硬件控制在 300 元以内
AI 工具	熟练使用 Claude Code、opencode、Codex
学习理念	YJango《学习观》元学习框架，AI 加速 5 步法（设目标→AI给案例→比较建规则→自己写→AI验证）
知识管理	Obsidian 知识库 wiki 300+ 篇，覆盖嵌入式/CS核心/深度学习/跨学科方法论；有 CLAUDE.md 管理规则
时间约束	学校食堂 早餐 07:30-08:30 / 午餐 11:55 窗口 / 晚餐 16:55（18:00 关门）

能力矩阵

语言/领域	等级	关键证据
C	2.5~3	独立架构5层驱动模式、720行app.c、8设备驱动框架、寄存器级操作；代码有AI辅助但能理解调试
C++	3	wiki有完整笔记（类/STL/模板/内存模型/智能指针），概念理解扎实
Python	3	深度学习全流程、PyTorch实验脚本修改、医学图像分割完整实验
Java	2.5	黑马JavaWeb Spring跟学，简单CRUD，若依框架使用
Go	2	wiki有Go完整笔记（并发/接口/错误处理），概念理解扎实
Shell	1	有Python类比基础认知，未实操
数据结构与算法	2	wiki有系统笔记（树/图/排序/查找/堆栈/链表等），代码实现不熟练
操作系统	2	wiki有完整笔记（进程/调度/内存/文件系统），概念理解好缺实践
计算机网络	2	wiki有完整笔记（HTTP/TCP/IP/OSI/路由等），概念理解好
数据库	2	MySQL增删改查+简单表设计，索引/事务有概念理解
STM32	2.5	HAL库迁移（GPIO/定时器/串口）、FreeRTOS 21实验、ZET6完整项目、常用调试器
FreeRTOS	2.5	21实验+ZET6完整项目；面试八股46主题全部完成（含复习总结）
嵌入式Linux	1	VMware+Ubuntu已装好，概念了解，即将开始系统性学习
嵌入式调试	2.5	IDE调试器打断点单步、串口打印、烧录
深度学习基础	2.5~3	论文实验完整对比、CNN/Transformer理解、模块设计（学术裁缝）
PyTorch	2.5~3	实验脚本修改（batch/lr/路径/数据集），Dataset/DataLoader理解
医学图像分割	2.5~3	两篇小论文推进中：U-Net/Dice loss/nnUNet，完整实验对比
论文阅读	2	能看摘要/结论/方法图，细节公式和实验设计看得慢
Git	1.9	add/commit/push/pull/branch，IDE冲突提示后解决；不含独立rebase
Makefile	2	概念理解，能读能改，不熟练独立书写
CMake	2	概念理解，ZET6项目用CMake构建
Docker	2	Linux部署经验，基本使用
AI工具	3	熟练Claude Code/opencode/Codex，AI驱动学习+代码+文档
Qt	2	wiki有完整笔记（信号槽/对象树/事件/QPainter/布局），能做简单桌面应用
学习方法论	3	YJango体系+AI提炼成系统方法，构建300+篇结构化知识库

知识库

• 路径：F:\Documents\Obsidian-Knowledge-Base\X-Knowledge-Base
• 结构：wiki/ 300+ 篇（整理后知识）、raw/（原始资料）、CLAUDE.md（LLM协作规则）
• 覆盖：嵌入式+Linux(61) / 深度学习(18) / 计算机基础(53) / 编程语言(~40) / 软件框架(9) / 跨学科(684) / 研究生(27) / 重构学习(21)

文档结构

docs/       # 00-个人信息采集 ~ 08-AI+嵌入式+Agent项目创意
求职资源/   # 嵌入式面试 / 英语 / 求职工具 / 项目参考

核心原则

• 双主线：嵌入式 Linux（就业）> 医学图像分割（升学），AI/Agent 作为工具不独立投入
• 时间：嵌入式 4.5h+ > 英语 1.5h > 论文 1h，周产出检验
• 里程碑：见 05-职业目标.md

User Profile 管理规则

每次会话自动执行：

1. 读本文件 + 04-现状诊断.md + git log，确认当前画像
2. 信息在文档中已有则直接引用，不再问用户
3. 会话中发现新信息（能力/设备/进度/偏好变更）实时记录
4. /clear 后重新读取恢复上下文
5. 能力评估必须有 0-5 级定义 + 近 12 月证据，不接受无依据重评
6. 确定需要但文档没有的信息才问用户，已知信息不反复确认

信息来源

外部判断（行业趋势/岗位/薪资/证书/AI影响等）必须先联网，引用时记录来源、日期、链接、关键结论，区分一手/二手/推断。