自我介绍实习A 系统 多业务线的统一纳管配置是什么意思延时双删解释一下；有没有可以根治数据库与缓存不一致的方法；为什么不采用主从读写分离用户如何触发点位上的投放召回有没有通过算法模型推测用户喜好；如果让你设计，比如给用户推荐美食，如何做（数据越多，构建出来的模型越清晰）；一直拉其他业务的数据合适吗，有没有更好的方法B 平台 为什么要做综合运用三个设计模式，具体是如何做的为什么用轮询，而不是通过线程做异步通知；现在前端会做轮询，如果有人伪造大量恶意请求，怎么办C 系统 如何根据用户的实时数据优化算法模型详细说一下双链路诊断工具；为什么不在落日志之前针对失败做告警主从资源利用不均的问题是如何发现的...

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。

不是我应聘个it技术支持岗位4-6k 还学历歧视上了😭

想做Agent方向，其实岗位选择比大家想象的宽很多，主要分三大类。首先是Agent应用开发，这是目前需求最大的，主要用大模型结合LangChain、Dify等框架落地具体业务，比如结合咱们熟悉的工业物联网、新能源或电池测试领域的业务逻辑，开发自动化诊断和处理测试报告的Agent，这需要极强的工程落地能力和业务Sense。其次是Agent基建（Infra）工程师，Agent需要长记忆、知识库和并发调度，这跟搞大数据架构非常契合，如果你平时对Kafka、Doris、Flink CDC这些高并发、流式数据底座很熟，去搞Agent的底层调度引擎、向量数据库检索优化或分布式Agent框架，算是平滑过渡。...