工行上海分行科技菁英面经

太卷了太卷了，才5月中旬，秋招已经开始了， 整理了 24 个在招岗位 + 真实面经 ，祝大家求职顺利！   💼 二、在招岗位（全部 · 杭州）  👥 三、5 大类岗位人才画像（关键，对号入座） 画像 ① AI / 算法核心岗（具身智能 / 强化学习 / SLAM / 大模型）  这是宇树最核心、薪资最高、竞争最激烈的岗位群     维度 硬性要求 加分项 加分加分项     学历 硕士及以上（个别博士） 985 / 211 海外 QS50   专业 计算机、自动化、控制、机器人 AI 方向 机器人方向   编程 C++ + Python 熟练 CUDA / OpenCL ROS / ROS...

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。

最近刷boss 投了一堆公司。公司画像员工100-500人，非互联网公司跟着AI热潮产生的岗位需求，多为AI agent开发/全栈开发，基本都是CTO/老板直接对接，流程混乱，要求线下面试，不报销路费，直接不感兴趣拉黑。现在的互联网开发，非进校园的线下面试本来就少，基本都是借助腾讯/飞书会议线上面。走线下反映两个问题：1. 内部能效极低，线上面效率不比线下高？ 2.不懂互联网工具，不会用好互联网产品，内部怎么做的好开发？ 3. 公司没有融资没有上市没有title，凭什么要浪费时间精力给你们线下筛选？这并不表示我们求职者好高骛远，行情不好就安心沉淀寻找方向，盲目的下注只会浪费自己的时间和资源。

在爱玛总部上班快一年了。 说实话，刚入职的时候，我对办公环境没抱太大期待。 不是说爱玛不好，主要是我对“制造业公司”的想象比较固定：办公室在产线的隔间，房间昏暗喧吵，工位是90年代老式抽屉，食堂要拿着铝盒拜托阿姨不要手抖。（抱歉，幼时的电视剧过于深入人心了...）来了之后发现完全不是这样，每个人都有自己的独立办公位，有宽敞明亮的会议室，有展厅有阅读空间有实验室，已经非常好了！ 直到前段时间，公司通知要搬进新办公大楼。当时我正在工位上扒饭，看到消息的第一反应是：能有多大区别？后来我第一次站在新大楼下面，才发现自己之前想简单了。一、第一眼：它真的不像我想象里的制造业办公楼我对新大楼的第一印象，是“...