在 AI 时代，是否还需要刷力扣，其实答案很现实：需要，但方式要变。一方面，AI 确实可以帮你快速生成代码，甚至给出最优解思路，但面试场景并不会因此消失。很多公司依然保留“手撕代码”环节，本质上考察的不是你会不会写答案，而是你是否真正理解数据结构与算法、是否具备清晰的逻辑表达能力。在没有 AI 辅助的白板或在线面试中，这些能力无法替代。

一面过去一天了，还没有结果，面试的时候问面试官说一两个小时就有结果，但是现在还没有结果，也没有面评，这个是怎么回事啊

1. 自我介绍2. 介绍下项目，重点讲架构、关键设计和线上问题3. Agent 的上下文窗口不够时，长短期记忆应该怎么分层设计长短期记忆不能简单理解成“最近消息”和“很久以前的消息”。更合理的设计是把状态拆成三层：工作记忆负责当前回合执行所需的最小上下文，摘要记忆负责阶段性中间结论，长期记忆负责稳定事实、偏好、任务状态和关键证据索引。这样做的好处是短链路推理不会被旧噪声拖死，而长任务又能在需要时按状态检索历史事实。真正难的不是分层本身，而是写入和召回策略。不是每条消息都值得进长期记忆，通常只把高价值、可复用、低歧义的信息写进去，比如用户偏好、外部工具执行结果、关键约束、任务完成状态。否则记忆库...