滴滴提前批一二三面面经（国际化出行）

很多人刚开始实习时，都会有一种期待：有 mentor 手把手带，有同事耐心讲解，每天都能学到新的技术和经验。但真正进入团队之后，很快就会发现现实没那么理想。mentor 可能经常在开会，同事也各自忙着推进需求。你有问题的时候，有人简单回一句文档里有，有人让你先自己看看代码。等到真的卡住了，很多时候只能自己查资料，或者干脆去问 AI。刚开始遇到这种“放养”状态，很容易怀疑自己：是不是团队不重视实习生？是不是这段实习学不到什么东西？但时间久了你会发现，其实这种情况挺常见的。一方面，团队本身就很忙。大部分人都有自己的任务和进度，很难抽出很多时间专门带人。另一方面，工作里的很多知识，本来就很难通过讲解快速掌握。代码结构、业务逻辑、系统设计，这些东西往往要自己慢慢看、慢慢试，才能真正理解。所以很多时候，实习能学到多少，确实很大程度取决于自己。遇到问题先自己查资料、看代码，实在不行再去问人；做完需求之后再回头想一想，有没有更好的写法。这些主动的过程，反而比别人直接给答案更有用。从这个角度看，“放养”未必完全是坏事。它可能不那么舒适，但会逼着你自己去摸索。只要环境不是完全没人理，愿意回答关键问题，其实已经算不错的实习体验了。

985，算法方向，26届。昨天刚完成美团算法岗一面，趁热记一下，方便自己复盘，也给后面投的同学参考。 面试时长：约55分钟形式：视频 考察内容： 自我介绍后直接问项目，重点挖了分布式训练部分，问梯度同步机制怎么做的，参数服务器和All-Reduce各自适合什么场景。 算法题1：接雨水（LC 42），要求O(n)时间O(1)空间，双指针方案。算法题2：手写快排，要求随机化pivot版本，问为什么要随机化。场景题：给你一个推荐系统，新用户冷启动问题怎么处理，说了基于内容的方法和利用侧信息两个方向。反问环节：问了团队方向和实习转正比例。 整体感觉中等偏难，项目问得比较细，有准备的话不会太慌。 顺带说...

1、新人培养体系完善，资源倾斜力度大针对校招新人设有成熟的培养机制，公司愿意给予试错机会与发展资源，个人成长有清晰路径与坚实保障。2、业务参与度高，成长节奏快可独立负责闭环业务，全程参与项目全流程工作，能够快速积累实战经验，全面提升综合业务能力。3、薪酬福利具备竞争力，工作强度客观看待薪资、福利与假期等保障完善，在行业内具备较强吸引力；同时部分业务处于高速发展阶段，工作节奏较快，压力相对更大，可结合自身接受度综合考量。4、深度布局 AI 赛道，行业机遇突出依托领先的 AI 技术能力，公司全业务线推进智能化转型，校招新人也能参与核心 AI 相关业务，把握前沿行业机遇。任何企业都并非绝对完美，求职选择还是要结合自身职业规划与个人偏好，适合自己的才是最优解。如对快手校招、岗位情况、工作体验等有疑问，或希望了解更多真实信息，都可以随时咨询交流。

🚂引言：Superpowers 是什么？仓库地址：https://github.com/obra/superpowers星标：73K🌟Superpowers 是一个面向 AI 编程智能体（Agentic Coding Assistants）的开源技能框架与软件开发方法论。它并非要取代开发者，而是旨在通过为 AI 注入一套标准化的、经过验证的最佳实践（称为“技能”），将其从一个“会写代码但缺乏工程素养的实习生”，转变为一个“遵循严谨流程的资深工程师”。该项目由 Jesse Vincent (GitHub 用户 obra) 发起，其核心理念是：通过外部指令和可组合的技能，强制 AI 遵循成熟的...