24届双非游戏开发春招实习的一些感悟

本人双非一本,计算机相关专业,大概是从今年的二月份开始学习游戏开发,中途投递了不下30家公司,目前只有两个小厂日常实习的口头offer。
我认为我开始学的时间太晚了,一直都是在边投边学,要是有想入行的一定要尽早开始,不然会很痛苦,不过现在的就业情况来看不太建议入行,除非你真的感兴趣,目前了解到一些毁offer和大量裁员的大厂

金山星辰训练营
笔试比较简单,选择,填空,两道算法只a了1.45也过了。
面试:
第一次线下面试,太紧张了,很多没答上来。
问项目,项目中的难点,面试官可能觉得我的项目太拉了所以基本上没怎么问项目
c,c++的结构体区别
什么是抽象类,抽象类能不能实例化
什么是野指针
内存泄漏
c++的内存管理
智能指针
c++11的新特性了解哪些,哪些你常用,这里我说auto把面试官整笑了,还是平常练习少了
知不知道语法糖
开发过程中有没有用到git等版本控制
排序算法
哪个排序算法最快
空间复杂度为O(1)的有哪些
二叉树的四种遍历方式

总共就面了大概20分钟左右,面完就感觉多半凉了,以为面试官会问图形学的东西,面试前花了比较多时间准备结果提都没提,总的来说还是基础不够扎实,很多东西只是背了八股,没有去深入实践和理解。面完之后甚至一度颓废了好几天,感觉自己不适合走这个方向,说实话面的很难受而且还是线下。

一般来说小厂问的都比较简单,对项目熟悉一点就行了,基本上不会问的特别深入,可能会问一些和引擎相关的问题。

总结一下,游戏开发最重要的首先是算法,多刷题不然笔试这一关都难过,其次就是项目的深度,一般其实一个demo就够了,最重要的是这个demo实现的功能和功能的深度,可以选一个方向比如网络,渲染,AI,动画,性能优化等深入学习,大环境确实很差,现在连入门的机会都很难了,默默的提升自己吧。#我的实习求职记录#
全部评论
前辈,可以看一下私信嘛
点赞 回复 分享
发布于 2023-07-17 19:14 湖北
ue吗,咋一堆c++问题
点赞 回复 分享
发布于 2023-06-27 04:08 广东
最重要的其实是基础,也就是所谓的八股...哎
点赞 回复 分享
发布于 2023-06-05 21:09 四川
加油
点赞 回复 分享
发布于 2023-06-05 14:57 湖北

相关推荐

后端开发实习生 - 技术一面(oc已拒)面试问题速览1. 自我介绍一下。2. 大学课程和专业背景是什么?3. 为什么在学习了C++之后,选择Java和Python作为主攻方向?4. 你的学习方法是怎样的?如何保证学习的系统性?5. 具体谈谈你是如何学习Java的?6. 详细介绍一下你的AI Agent项目,它是如何实现的?7. 你使用的Spring AI框架和常见的开源基座有什么区别?8. 你的知识库是如何构建的?为什么选择自定义数据处理流程?9. 如果需要开发一个能扮演特定游戏角色的定制化Agent,你会如何设计?10. 在这个定制化Agent项目中,数据的重要性如何?如何获取和处理这些数据?11. Docker和K8s有什么区别?12. 微服务架构和单体架构的区别与优势是什么?13. 如何设计一个高并发系统的架构?14. 常见的负载均衡算法有哪些?15. Java中遇到死锁该如何分析和解决?16. 如何处理前端的跨域问题?17. MySQL查询性能如何优化?18. 你对前端技术了解多少?我的回答策略与核心亮点针对问题:开场自我介绍,展示个人技术全貌回答策略/框架:我采用了“技术栈 → 项目经验 → 学习理念 → 全栈能力”的结构化叙述方式,旨在快速建立一个技术扎实、有实践、爱钻研的立体形象。核心案例与亮点:项目经验具体化:通过“库存管理系统”引出性能优化能力(ES提升检索、RocketMQ削峰、Redis缓存热点)。突出前沿技术:通过“智慧农业项目”展示AI应用开发能力(Spring AI, RAG问答引擎),并用“大创国家级”奖项来量化成果。展现学习深度:主动提及学习MIT课程并实现Raft算法,强调自己对底层原理的追求和强大的自驱力。针对问题:考察学习能力、技术视野和决策逻辑回答策略/框架:我提出了一个“实践驱动”的学习模型:“先概览框架 → 快速上手实战 → 深入底层查漏补缺”。对于技术选型问题,我从“场景适用性”(如C++底层 vs. Java业务)和“技术趋势”(如Python for AI)两个维度进行阐述,展示了我的决策逻辑。核心案例与亮点:这个回答的亮点不在于某个具体案例,而在于其方法论本身。它向面试官清晰地传递了我的核心优势:拥有高效、系统化的自学能力,能够快速掌握并应用新技术,同时具备清晰的技术判断力。针对问题:深入考察AI应用项目的技术实现细节和原理理解回答策略/框架:我采用了“What-How-Why”的解释框架。What:这是一个基于Spring AI的RAG Agent。How:通过添加外部知识库、使用Redis持久化对话记忆等方式实现。Why:着重解释了为何自定义数据处理流程(PDF转Markdown、语义分块、向量化),而不是直接使用框架自带功能。核心案例与亮点:本环节最大的亮点在于对“PDF按页切分会破坏语义完整性,从而影响检索精度”这一细节的深入分析。这不仅展示了我对RAG原理的深刻理解,更体现了我在工程实践中追求细节、主动优化、解决问题的能力。此外,在回答定制化Agent问题时,我提出了从提示工程 → RAG → 模型微调 (LoRA) 的分层解决方案,展现了全面的技术视野和对成本效益的考量。针对问题:考察后端核心架构与概念(分布式、高并发、数据库等)回答策略/框架:对于架构设计类问题(如高并发),我采用“多维度拆解法”,从多级缓存、熔断机制、高可用架构(主从/集群)等多个角度系统性地展开。对于概念类问题(如死锁),我采用“原理+解决方案”的模式,先清晰阐述其形成的四个必要条件,再讲解如何通过破坏其中条件来解决。核心案例与亮点:回答的系统性和深度是关键。例如,在谈论负载均衡时,不仅能罗列出轮询、哈希等算法,还能进一步分析“最少连接/空闲实例算法”相比于简单轮询的优势,这体现了对技术背后原理的深入思考,而非简单背诵。针对问题:考察技术广度和知识边界(前端/容器)回答策略/框架:对于熟悉的部分(前端跨域),同样采用“原理+解决方案”模式,并提供了前端(反向代理)和后端(CORS配置)两种维度的解法,展示了全栈视野。对于不熟悉的部分(K8s),采取“诚实承认+阐述已知基础”的策略,先表明自己主要使用Docker Compose,然后从理论层面尽力对比二者。核心案例与亮点:对跨域问题的双端解决方案是加分项。同时,坦诚自己对K8s实践经验不足,并尝试进行理论分析,展现了诚实和积极思考的态度。这也提醒大家,面试中遇到知识盲区,诚实是最好的策略,如果能补充一些理论理解会更好。
查看18道真题和解析
点赞 评论 收藏
分享
评论
7
17
分享

创作者周榜

更多
牛客网
牛客网在线编程
牛客网题解
牛客企业服务