给24届双非游戏方向的说一点建议

我做过最难的笔试是雷火开发岗的笔试题，堪称 “地狱难度”。算法题涉及动态规划优化、图论最短路径变形和复杂链表操作，每道题都需要缜密的思路和高效的代码实现让我一度怀疑自己的专业积累。这场笔试也让我清晰看到了自己在算法和底层知识上的短板，之后针对性地补学了图论和系统设计，为后续面试打下了更扎实的基础。

1. 自我介绍2. 目前有 offer 吗？3. 聊了聊实习4. Lua 的 GC 底层怎么做的？怎么回收的？虚拟机层面了解吗？Lua 的 GC 核心思想是可达性分析。经典实现是增量标记清除，较新的版本还支持分代 GC。 简单说，Lua 会从一批根对象出发，比如全局表、当前调用栈上的局部变量、闭包、注册表等，去遍历所有还能访问到的对象，把它们标记为存活。没有被标记到的对象，后面就会被回收。Lua 采用增量方式的原因是，如果一次性做完整 GC，停顿会比较明显，所以它会把回收过程拆成很多小步，在 VM 执行过程中逐步推进。 从虚拟机角度看，GC 和 Lua 的对象模型、栈帧、闭包、table 结构...

“我靠，刚才面阿里某部门，项目聊得很好，手撕没撕出来，挂了。”前两天听朋友这样吐槽时，我正处在一种类似的焦虑中：发现自己越来越依赖各种 Coding Agent，开始担心代码能力会退化。朋友的情况在面试中很典型，但有点特殊。很多人觉得刷算法题对实际工作帮助不大，但在目前某些厂的考核体系下，这依然是刚需，要面试只能去刷题，没办法。我想聊的是更本质的问题：在解决实际问题的场景中，我们该如何平衡 AI 工具与自己的代码能力？“代码能力”本身其实有点难定义，不仅是熟悉语言特性或数据结构，更重要的是能把一个实际问题转化成解决它的脚本。现在 Agent 用多了，最直观的感受是：坐在 IDE 面前，不知道该干什么。其实这不是coding能力退化了，是根本没定义清楚自己要解决什么问题，以及用什么方式去解决。手搓代码这件事，早些年大家也是靠CV解决问题，并不是每一行都自己敲。但现在的趋势是很多 Agent 会隐藏内部工作细节，只在特定时刻让你检查进度。这种做法能减少信息干扰，但也极大地依赖模型能力。如果模型本身能力不够，它可能会在后台陷入反复调用一个工具的死循环，没有任何结果，token一直在跑，而你甚至不知道。即便模型能力足够，agents也把规划、调试和审查的过程藏了起来，只留下一个“working”的状态，时间一长，导致我们再次面对代码时会产生一点抗拒感。关于对代码的掌握度，Anthropic 曾做过一项研究，调研了不同模式下开发者对代码的掌握程度：全部交给Agent：最快，但对代码的掌握度为0；纯手搓组： 对代码掌握程度最高，但速度最慢；人机协作组（生成后解释）： 模型不仅输出代码，也输出理由。这一组的得分往往也较高，对代码的掌握也更平衡。话又说回来，现在有一种观点认为，大模型已经发展到不需要我们去关注代码细节了，人只需要有“产品思维”，从业务和需求角度给 AI 分任务就行。但我个人认为，鉴于大模型是有幻觉的，我们对编程语言的常用库和特性依然要有基本的认知，因为你的追问也许可以发现大模型错误的认知，从而在早期避免错误的设计。否则，在后续的调试阶段，你可能要花费比别人多得多的沟通成本和 Token。所以，即便有工具辅助，依然要对代码有一定了解。比如它设计了哪些数据结构，用了什么框架，为什么要这样实现。当 Agent 调试成功后，我们可以多问它几个问题：刚才是哪里错了？你怎么知道的？这个命令具体是什么意思？......这种让大模型进行自我解释的过程，能有效增加你对代码维护的了解程度。

1、请做个简单的自我介绍基本信息层面：教育背景：[学校][专业]毕业，在校期间GPA排名前[X]%技术栈掌握：熟练掌握Java核心技术、Spring生态、MySQL数据库调优、Redis缓存方案项目经验层面：参与过[X]个完整项目周期，涉及电商/金融/物流等领域独立负责过[具体模块]的架构设计，日均处理[X]万级请求解决过生产环境的性能瓶颈问题，将接口响应时间从[X]ms优化到[Y]ms个人特质层面：代码习惯：注重单元测试覆盖率，遵循阿里巴巴开发规范学习能力：持续关注技术演进，阅读过Spring源码和JVM规范协作意识：有Code Review经验，善于技术文档编写2、Java中有哪些原始类型...