1. 日常是怎么使用 AI 的答案：我日常使用 AI 更多是把它当成辅助工具，而不是直接替我完成开发。比如看不熟悉的库时，我会让它先帮我梳理接口使用方式；写代码前，也会让它给一个大致思路或伪代码，然后我自己再结合项目约束重写。如果是 C++ 代码，我会特别注意生命周期、边界条件、线程安全、异常路径这些问题，因为 AI 生成的代码经常在这些地方比较粗糙。所以我更倾向于用 AI 提高检索和理解效率，但最终代码还是要自己 review、编译、测试和压测。2. 你认为 AI 目前有什么问题答案：AI 最大的问题是它经常给出“看起来很合理”的答案，但不一定真的正确。尤其是 C++、操作系统、网络编程这类...

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。

说个可能不太"ZZ正确"的大实话：大厂实习经历在找工作中的加成，比你想象的大太多了。我去年暑期在某大厂做推荐系统实习，说实话活不算特别有深度，主要是做特征工程和一些AB实验。但秋招的时候，简历上这一行带来的好处是全方位的。首先是过筛。投了20家，70%的简历通过率。我室友背景跟我差不多，但实习是一家没听过名字的小公司，15家过了3家。你说是能力差距吗？不是，纯粹HR看到大厂名字就默认你至少不差。其次是面试氛围。面试官看到你在xx厂实习过，态度明显不一样，会默认你的基础能力没问题，更多地聊项目思路和方向判断，而不是从头盘问你基础知识。我室友面试经常被追问八股文，我反而很少被问到。

春招彻底结束了，最终只拿到了一个杭州中小厂的offer，薪资比同届的同学低了快一半。回头看这三个月，全是拍大腿的后悔瞬间，无数个深夜都在想：如果春招能重来，我绝对不会这么走。先交代下背景：双非本科，一段小厂Java后端实习，秋招拿了个外包的保底offer，就直接躺平了。总觉得春招还有机会，金三银四随便面面就能拿到更好的，结果现实狠狠给了我一巴掌。春招三个月，投了200多份简历，只拿到了12个面试邀约，挂了11场，最后只拿到了一个不情不愿的offer。今天把我所有踩过的坑、后悔到想重来的事全写出来，给正在求职的、还有下一届的牛友们提个醒，别像我一样，把一手好牌打得稀烂。如果春招能重来，我绝不会做...