百度测开123面 面经（已oc）

与其说是避坑笔记，不如说是一个系列的开篇，后续更新跟进信息会放在评论区，最近关注到AI+CFD/CAE方向的活跃程度，也觉得是一个AI渗透的重要指标，校招或者比较关注发展性的求职者，可以把该方向作为一个重点关注方向，AI进入游戏、金融和互联网都还算是圈禁在虚拟世界，一旦在CFD方向有很大的进步，相信制造业企业都会跟进，相比传统的视觉找缺陷做诊断，个人认为这个方向在重新定义机械和结构岗位的工作内容，个人非理工专业，表述不准的地方希望指正。1、主要分三类，跨行大厂，工具大厂和初创公司，根据主攻行业来看，绝多数都会集中在空/天/船、气动和热管理方向，材料研发和分子动力等关注较少；2、多数AI+CFD...

投了好多份 找不到工作 简历有问题吗😓没招了 求职

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。

🙌面试感想：暂无后续 1.自我介绍+项目2.（项目）GoZero 微服务框架整体情况 项目微服务是按照什么原则拆分的？MySQL 和 MongoDB 水平扩展机制有什么区别？3.项目里 Kafka 主要用来实现什么功能？除了你即时通讯这种典型生产者消费者场景，服务间什么业务场景适合用消息队列？4.为什么选择 Kafka，而不是 RabbitMQ 等其他消息队列？Kafka 吞吐量高的底层机制是什么？5.Go GMP 调度模型6.Docker 在云服务部署场景主要解决什么问题？Docker 保证环境隔离的底层机制是什么？7.你理解什么是 AI Agent？