昨天晚上和一个百度的HR朋友吃了个饭，她给我透了个劲爆消息：百度实习生薪资全面上调，平均涨30%以上，AI类岗位最高涨了110%。说实话，我第一反应是：百度又开始用最质朴的方式抢人了——给钱。但回家路上越想越不对劲，这事没那么简单。涨薪的本质，从来不是福利升级。如果你也在看暑期实习，建议多想一层：薪酬变化，本质是供需关系的晴雨表。AI人才，正在被重新定价。涨薪这件事，是公司对未来投入产出的判断——只有当AI开始产生真实业务价值，企业才有底气提高人力投入。这两年大模型火得一塌糊涂，但真正能把AI从论文里跑成产品、从产品里跑出收入的公司，全国一只手数得过来。当需求远大于供给的时候，价格必然上涨。所...

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。

27届，双9后端开发简历求拷打，0实习经历，感觉自己行动太慢了，还有哪的暑期或日常能投吗，还是说直接等秋招找个中小厂😭😭

刷到有人问华泰星战营，翻下去年的经历，随便写写。bg：本天津大学，硕新国立，江苏人。当时其实主要是想找个暑期实习，对秋招有帮助那种。华泰base南京，我肯定重点看。没想着一定要拿offer，就觉得能去券商科技部门体验一下挺好的。结果……后面真拿到了，还拿了最高档奖金。我做的课题：金融领域有个痛点——前台写报告需要翻大量资料找数据，纯纯体力活。我们搭了个智能体，用大模型编排了一套流程：海量文本去重→提取→再加一个“反思”节点。就是第一轮提取的结果不一定符合需求，让大模型自己反思一下上一轮的结果，循环迭代，直到输出满意的东西。最后还要转成md这种指定格式。相当于一个“提取+反思”的循环结构，帮前台...