三本 24届前端

应公司要求，最近我们部门部分岗位的面试开始正式考察AI Coding能力。面了十几场之后，发现了一些大家普遍存在的问题。很多同学被问到“有没有用过AI Coding工具”时，回答就停在“用过”两个字上。再追问“那你觉得它和Copilot有什么区别”“你在实际项目中遇到过什么问题”，就开始含糊了。还有不少同学把AI当成一个高级搜索引擎——问一句，拿一段代码，粘上去跑通就完事了，完全没有“协作”和“工程化”的意识。同学还不清楚面试官到底想考察什么。如果把时间拉回到2025年的暑期和秋招，这类问题当时还只出现在少数比较前沿的公司和团队里。但到了今年，它已经明显铺开了。原因其实也不复杂，因为很多公司都...

最近前前后后也投递了很多份简历,但是基本上牛客上的公司都是秒拒或者是过了筛选没下文了,所以想让大佬看看这个简历有什么欠缺的地方吗,可以当下就做一些改动的.在 boss 上也是只有一些本地的小公司进面了

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。

第一题：直播排行榜题目多多负责多多直播的首页直播排行榜的巡检工作。今天平台一共收到 n 条候选直播内容，按输入顺序依次编号为 1 到 n。每条直播内容都属于某个主播。为了避免同一主播同时占据多个直播排行榜位置，正式生成榜单前，平台会先做一次主播去重：对于同一个主播，只保留该主播最优的一条直播内容进入候选榜单；同一主播的其他直播内容会在这一步直接被淘汰，不再参与后续排序。因此，最终直播排行榜中每个主播至多出现一次，榜单条数恰好等于不同主播的个数。一条直播内容是否更优，按以下顺序比较：点赞数更多者更优；如果点赞数相同，则评论数更多者更优；如果点赞数和评论数都相同，则发布时间更早者更优（t_i 越小...