3.24 二战就业选手深夜emo

说实话，最近这大环境确实让人焦虑，但要不要因为行情降级找工作，我觉得得看核心逻辑。作为在新能源车和电池测试领域做大数据架构（天天跟Doris、Kafka、Flink CDC打交道）的开发，我个人的态度是：薪资可以适当妥协，但技术栈和赛道绝对不降。行情差时很多人病急乱投医，随便找个边缘业务坑就蹲了，干两年发现技术没长进履历还花了，等回暖连跳槽的资本都没了。我的底线是，哪怕平薪或微降，也要去有真实数据流处理场景或硬核业务的团队。毕竟咱们做软件开发的，技术深度和业务理解才是抗风险的最大底气。短期少拿点钱可以当成买核心项目经验，但千万别为了个保底Offer把职业规划全盘推翻，不然真成了温水煮青蛙，大家...

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。

今年校招笔试发生了一件值得警觉的事——美团、阿里、蚂蚁 都开始在笔试里加入 AI Coding 题。技术岗在卷 AI Coding，那非技术岗呢?很多产运的同学第一反应是:"我又不写代码，应该考不到我吧。"但真相恰恰相反——非技术岗被 AI 冲击得更早、更深。为什么这么说?PM 日常 70% 的需求拆解、用研、PRD,已经在用 AI运营批量做内容、跑活动、用户分层,全靠 AI 流水线HR 内部一句潜台词:"不会用 AI 协作的产运,到岗就慢同期两个月"所以问题不是"会不会考"，而是"什么时候轮到你！"。❤️ 好消息...