个人bg学历双非一枚，在校期间死磕电赛 + RM两个比赛搞嵌入式。大二升大三时觉得在比赛里能学到的边际收益越来越低，更想往一线产品开发上靠，就半离队跑出去实习了。各家公司的秋招陆续开锣，开个帖子记录一下自己面试的过程，自己复盘的同时，也希望能帮到同届的xdm，互通有无💪 投递时间线 & 整体感受5月其实是个非常尴尬的时间窗：大厂暑期实习基本收尾了秋招还没正式启动留出的坑位基本要求尽快入职（云鲸智能、智元科技这种），但大部分27届最快也得6月中旬考完试才能到岗——总不能为了实习丢毕业证吧，这就本末倒置了五一结束后开始陆续投简历，截止5/10约到两个面试，都是B轮左右的小厂，面经分享如下...

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。

“龙虾”之后又来“爱马仕”，但企业Agent真正的答案，终于来了。Agent赛道的热度从未减退。从年初爆火的OpenClaw“小龙虾”，到被称作“Agent 中的爱马仕”的Hermes Agent，据不完全统计，2026年这短短数月间，市面上来自不同厂商的AI Agent工具已突破 40 款。纵观这些工具的比拼，自学习、有记忆、自主性更强，正在成为新一代智能体的跃迁方向：AI正在从替人干活的工具，演变为能自我学习的自主系统。于是，最渴求生产力的企业圈又开始躁动了。然而行业喧嚣之下，企业决策者却普遍面临一个现实困境：工具的持续迭代升级看似提升了效率，实际落地时往往难以真正产生价值，拥抱新工具，常...