绿盟售前终面

今天答辩顺利结束了，意味着我的硕士生活真的要画下句号了。回到宿舍，拿出论文，长长的三年时间最后浓缩成胶装后薄薄的一本，有点怅然。翻开致谢，不知为什么，想到了自己这三年，以及本科以来这七年经历的一些事情。也许是offer还没有最终确定，想到了很多关于实习的人和事。想记录些什么，又不知该去哪里说，那就写在牛客吧，算是和过去的自己告个别。想到实习，脑海里第一个蹦出的总是帆软，这些年一直很坚定的认为，是在帆软的四个多月，让我坚定了做hr的方向，也让我觉得，职场也没那么多勾心斗角，遇到的人大家都很好。在帆软的每一次加班，都是自己认为应该为这个岗位付出的，是我应该做的，从来没有人强制我到点不下班做些什么。...

上周组里招人，我面了六个候选人，回来跟同事吃饭的时候聊起一个让我挺感慨的现象。前三个候选人，算法题写得都不错。第一道二分查找，五分钟之内给出解法，边界条件也处理得干净。第二道动态规划，状态转移方程写对了，空间复杂度也优化了一版。我翻他们的简历，力扣刷题量都在300以上。后三个呢，就有点参差不齐了。有的边界条件没处理好，有的直接说这道题没刷过能不能换个思路讲讲。其中有一个女生，我印象特别深——她拿到题之后没有马上写，而是先问我：“面试官，我能先跟你确认一下我对题目的理解吗？”然后她把自己的思路讲了一遍，虽然最后代码写得不是最优解，但整个沟通过程非常顺畅。这个女生的代码不是最优的，但当我问她“如果这里是线上环境，你会怎么设计’的时候，她给我讲了一套完整的方案——异常怎么处理、日志怎么打、怎么平滑发布。她对这是之前在实习的时候踩过的坑。”我在想LeetCode到底在筛选什么？我自己的经历可能有点代表性。我当年校招的时候，也是刷了三百多道题才敢去面试。那时候大家都刷，你不刷就过不了笔试关。后来工作了，前三年基本没再打开过力扣。真正干活的时候，没人让你写反转链表，也没人让你手撕红黑树。更多的是：这个接口为什么慢了、那个服务为什么OOM了、线上数据对不上了得排查一下。所以后来我当面试官，慢慢调整了自己的评判标准。算法题我还会出，但目的变了。我出算法题，不是想看你能不能背出最优解。而是想看你拿到一个陌生问题的时候，是怎么思考的。你会先理清题意吗？你会主动问边界条件吗？你想不出来的时候会怎么办？你写出来的代码，变量命名乱不乱、结构清不清楚？这些才是工作中真正用得到的能力。LeetCode是一个工具，不是目的。它帮你熟悉数据结构和常见算法思路，这没问题。但如果你刷了三百道题，却说不清楚自己的项目解决了什么问题、遇到了什么困难、你是怎么解决的，那这三百道题可能真的白刷了。所以还要不要刷LeetCode？要刷，但别只刷题。刷题的时候，多问自己几个为什么：为什么用这个数据结构？为什么这个解法比那个好？如果换个条件，解法还成立吗？把刷题当成锻炼思维的方式，而不是背答案的任务。毕竟面试官想看到的，从来不是一台背题机器，而是一个能解决问题的人。

投了一大堆的日常，全都在初筛😢😢😡😡😡😡

大家好，我是杭州某大厂中台后端研发。最近一次线上紧急排障，让我彻底想明白了一件事：AI 再强，程序员的 SQL 基本功永远不能丢。背景：周末深夜被线上问题叫醒某个周末晚上，我接到上游部门研发同事的电话：需要紧急查询一份线上数据。数据源跨不同实例业务表拆分出 8 张分表需要统计总数 + 关联两张表字段线上问题响应不能拖，我一边远程配合，一边凭脑子里的业务表结构手写 SQL。结果第二个组合查询第一次没跑通，同事 Review 后又改了一轮才真正可用。事后复盘，我很清楚：极限压力下，手写 SQL 的能力依然不够稳。灵魂一问：AI 都能写 SQL，我为什么还要练？现在确实是 AI 时代，只要描述需求、...