1.why hsbc2.what is ur hobby3.how do u walk out of ur comfort zone还有一些不记得了，反正英语说得一坨技术面：1.写了一道列表左右比大小的算法题2.vibe coding要怎么做

这个是很久之前面的了，翻一下之前的面经记录找到的，分享一下自我介绍项目拷打golang的协程垃圾回收说一下管道的作用有缓冲管道和无缓冲管道的区别切片和数组的区别七层（四层）模型说一下tcp位于哪一层3次握手，4次挥手说一下输入一个url的全部过程数据库的四种隔离级别补充算法题目（三数之和为0的全部组合，hot100原题）面试官没开摄像头，不过人还行。面完第二天通知通过反问：业务内容，开发一个运维平台

在AI时代，我认为刷leetcode还是很有必要的。我们首先要搞清楚为什么公司要考察我们写算法题，其实本质就是看会不会写代码和代码风格命名规范以及考察计算机四大件408中的数据结构。AI 确实能帮我们生成算法题的解题思路，甚至直接写出完整代码，但面试官要的从来不是 “能写出答案”，而是解题过程中体现的逻辑思维和工程素养。你让 AI 写一道动态规划题，它能给出标准答案，但你要是说不出状态转移方程的设计思路，解释不清为什么要这么定义 dp 数组，面试官一眼就能看出你是 “抄作业” 的。刷 LeetCode 的核心，不是背题，而是锻炼把复杂问题拆解成小步骤的能力 —— 这种能力是 AI 替代不了的，也是程序员安身立命的根本。对咱们 Java 后端程序员来说，刷 LeetCode 更是和日常工作息息相关。你刷过的链表题，对应着项目里 Redis 的链表结构底层；你吃透的哈希表题，能帮你更好地理解 HashMap 的扩容机制；你练熟的多线程题，更是和 JUC 并发编程直接挂钩。这些底层逻辑的理解，不是 AI 给一段代码就能悟透的，必须靠自己一道题一道题地敲、一遍又一遍地复盘才能掌握。而且大厂的算法面试题早就不是 LeetCode 原题了，很多都是结合业务场景的自创题。比如让你设计一个订单号生成的算法，既要保证唯一性又要提高生成效率；或者让你优化一个高频查询的缓存淘汰策略 —— 这些题没有固定答案，需要你结合数据结构、性能优化等知识综合分析。AI 或许能给出几个方案，但它没法帮你权衡不同方案的优劣，更没法帮你解释为什么这个方案最适合当前的业务场景。还有很重要的一点，刷 LeetCode 能帮你养成良好的编码习惯。变量命名是否规范、代码是否有注释、边界条件是否考虑周全、异常情况是否处理得当 —— 这些细节都是面试官考察的重点。AI 生成的代码有时候会为了追求简洁而忽略这些细节，而你在刷题过程中刻意养成的习惯，会直接体现在你的项目代码里，这才是真正的竞争力。说到底，AI 是工具，刷 LeetCode 是修炼内功。工具可以帮你提高效率，但内功不足，再好的工具也发挥不出作用。在 AI 时代，刷 LeetCode 不是没必要了，而是更有必要 —— 它能帮你区分开 “只会用工具的程序员” 和 “真正懂技术的程序员”。

腾讯被捞了，一面凉经。1. UDP既然不可靠，数据丢失了怎么办？2. 分布式锁的原理？不使用分布式锁还能怎么实现？3. HashMap的红黑树为什么不用其他二叉树，索引的B+树为什么不用其他树？4. 假如客户反馈点击几次感到非常卡，没有日志和监控系统，怎么排查和解决？5. AI Coding有什么缺点？怎么优化