中国铁塔笔试

大家好，我是@程序员花海，我看过太多同学的 AI Agent 项目简历，写出来的亮点全是这样的：做了一个 AI Agent 智能助手，集成了大模型、RAG 知识库、MCP 工具调用，实现了自动对话、推文发布、通知推送等功能，提升了效率。这种写法，在大厂面试官眼里，等于没写。很多同学做 AI Agent 项目时，技术栈堆得很满，MCP、RAG、规则树、策略模式、Spring 动态注入、大模型调度…… 看上去非常唬人，可一写到简历上，面试官扫一眼就划走了。问题根本不在你没做东西，而在你没把项目讲清楚。比如看这份简历，表面上用到了各种 AI 相关技术，组件也列得很全，但仔细一琢磨，整体更像是把市面上...

目前0实习，想找中大厂的暑期实习和日常实习，目前进度hot100快刷完了，八股看了一多半（但很多感觉忘记了）。恳求大佬们给出一些建议和指导😸

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。

更像项目深聊，没有八股和编程题这场阿里云 AI Infra 三面，整体感觉和前两面不太一样。前面几轮多少还有一些“项目追问”的紧张感，这一轮更像是一次围绕经历、学习路径和工程实践展开的深聊。面试官上来没有直接问技术细节，而是先从我导师现在在做什么、我为什么会从偏深度学习慢慢转到 AI Infra 这个方向聊起，也问了我本科阶段做的东西、现在在做的东西，和导师那边的研究之间到底有什么关联。我这里主要是把自己的路线讲清楚：不是突然转方向，而是从做模型、做工程、做性能相关的事情慢慢往更底层走，最后发现自己确实更喜欢算子优化、系统性能和工程实现这类工作。整体上，这一段更像是在看你的路径是不是自洽。后面...