【硬件逻辑】高强度收简历（12/13天）

1. 手撕：给定一个大小为 n 的数组 nums ，返回其中的多数元素。多数元素是指在数组中出现次数 大于 ⌊ n/2 ⌋ 的元素。2. 解释摩尔投票法的思路，为什么用这种方法？3. 为什么不用哈希表？4. 哈希表的扩容机制是什么？5. 扩容时的时间复杂度？6. 用HashMap的总时间复杂度7. 如果所有元素都不同，哈希表的内存占用会怎样？8. 如果用摩尔投票法， 不存在超过半数的元素，如何识别？9. 场馆预订平台的框架和技术选型，用了什么框架？10. 如何实现存数据库一致性11. 如何用Canal监听MySQL binlog？如果是大规模数据，用几台Canal12. 那数据量很大的话，单台...

这两个项目都是自己vibe coding出来的，简历是AI生成优化的，其中还有很多东西是不懂的。求大佬指点🙏🥹

做 Agent 开发，其实可投的岗位比想象中更广，不只是单一的“AI岗位”。最直接对口的是 AI应用开发工程师、大模型应用工程师 或 智能体开发工程师，这类岗位主要负责基于大模型做工具调用、任务编排、多轮对话等。如果你更偏工程落地，也可以投 后端开发工程师 或 平台开发工程师，很多公司在做 Agent 平台，本质还是服务端架构问题。此外，一些公司会把相关岗位叫做 AI产品工程师 或 解决方案工程师，更偏向把 Agent 技术应用到具体业务场景中，比如客服、自动化办公、数据分析等。