面了一些实习生，简历上写了 AI 项目的很多，但大部分一问"这个项目的亮点在哪"就开始复述技术栈了——"用了 LangChain、用了向量数据库……这不是亮点好吗  所以做项目的时候，提前想好这三个问题：  我做了哪个技术决策？为什么这么选？ 我遇到了什么坑？怎么解决的？数据变化是什么？ 有没有人真的在用？反馈是什么？  所有的技术都是为了解决现实场景，我们更关心的是：“你是否有独立思考和解决问题的能力”

正式进入AI Coding时代了  

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。

自我介绍实习是否遇到过大量连接建立导致服务端压力很高的线上问题，你们是短连接还是 TCP 长连接A 系统 QPS 2k，单机需要承受多少 QPSC 系统 详细说一下稳定性治理的整个过程；主从同步的时间是多少Checkpoint 回溯机制是如何做的如果做核心数据流，如何解决 Checkpoint 回溯导致重复消费的问题；如果用事务提交两个点之间的数据，可能带来什么问题项目使用 Canal 监听 Binlog 实现最终一致性，是如何做的RabbitMQ 一定能保证消息不重复，不漏发，以及一定能消费到吗Canal 重复向 MQ 发送数据，如何解决八股缓存雪崩、击穿、穿透分别是什么MySQL 有哪几种...