offer求比较，浦发vs交行，天秤座快纠结死了。。。

寄啊，面完感觉就寄，ai 用多了业务上说的还好，但是基础上就出问题了实习业务讲一下用 ai 做过什么工具吗sse 和 websocket 区别和使用，轮询和 websocket 之间纯 css 实现拖拽简单的 js 例子题css 盒模型怎么画一条 0.5px 的线cors 跨域相关的算法字符的最短距离ai 方面相关的业务聊了半小时多，基础面试官看我差一点😭就没有深入了，算法是一道简单题总结：还是太菜了我，这几个月 ai 确实做了很多，但是还是把很多基础的忘记了

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。

一、 考试目标量化明确目标：总分400（100+100+200），150分即可通过。这意味着无需追求满分，策略性地获取分数更为关键。常见组合：前两题分别拿到80%和70%的用例通过率，第三题即使0分，也可通过。建议将主要精力投入前两道一星题。二、 核心考点分布与权重根据真题统计分析，考点分布如下：1.一星题（100分x2）：占比约70%的分数字符串处理（30%）： 最高频考点。包括IP地址分类、协议解析、日志过滤、键盘输入模拟等。核心是掌握split()、正则表达式、字符遍历与状态机。哈希表与统计（20%）： 用于计数、去重、建立映射。典型题目如“生日礼物统计”、“文档特征提取”。栈与队列（1...