背景最近还是有很多同学问语兴学习路线，其实ai时代下学习方式也需要改变，你只需要让ai把所有官网通读一遍，让他给你一个完整的计划，或者你哪个知识点不清楚就直接问题，包括八股文这种直接问大模型老师即可，demo案例+原理都会讲的很清晰（比官网都好说），本地部署环境（例如doris等也可以让大模型直接部署），同理如果你要速成也是让ai直接读组件官网，生成学习计划。提示词请通读apache官网，Apache Flink® — Stateful Computations over Data St...，熟悉里面所有知识点和案例，我现在需要做面试复习有问题我会问你，回复我同时也帮我总结本次对话内容到/U...

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。

简历求拷打，大佬们救命啊，现在要干嘛，刷算法刷了几天感觉没啥用，没实习大三下了，要做项目还是要干嘛，boss沟通那么多就一个面试一个offer，还是偏远小公司

一面（基础技术面）自我介绍，然后开始问基础，偏嵌入式底层和RTOS：设计一个带看门狗（Watchdog）的嵌入式系统，描述故障恢复流程UART、SPI、I2C 协议的核心差异及典型应用场景推挽输出与开漏输出的区别？举例说明在 GPIO 控制中的应用如何通过 DMA 减少 CPU 在数据传输中的负载系统时钟配置对低功耗设计的意义是什么嵌入式操作系统（如 FreeRTOS）中任务的状态有哪些？状态切换条件实时操作系统（RTOS）的“硬实时”与“软实时”区别RTOS 的任务调度策略有哪些？如何保证实时性任务间通信方式（信号量、消息队列、管道）的适用场景及优缺点如何避免中断服务程序（ISR）中的竞争条...