目标银行技术岗，Java还没有准备过

写在前面2025年，全球AI编程助手市场规模已达到数十亿美元级别，国内AI编程市场规模同比增长187.3%，活跃用户达280万人。到了2026年，这场变革从“跑马圈地”进入到了“真金白银”的深水区，多模态智能体（Multimodal Agent）、模型上下文协议（MCP）、Agent Skills 等技术从实验室走向生产线，AI正加速渗透至开发、测试、数据分析、运维等各个领域。与此同时，一个更深层的变化正在发生：AI技术栈正从“教AI怎么做”的提示词时代，全面迈入“让AI自己会做”的智能体时代。如果你在2025年还在靠复制粘贴Prompt来使用AI，那么2026年你必须掌握的核心能力，是如何拆...

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。

1.你能那个说一下马尔可夫模型是什么吗？2.所以它幽灵（一种智能体）处于什么位置？和哪些因素有关？3.这个整个代码仓库的话是怎么个构造的？就是包含哪几个大块和哪几个大类？4.哪一块和这个贝叶斯实现那个逻辑有关5.那你这个算是一个偏性能的优化的一个项目吗6.它如果应用在推荐领域的话是否可行呢？比如广告推荐啦，视频推荐这种。7.那这个马尔可夫模型在这里体现在哪里呢？8.这个项目里还有一个那个决策逻辑是基于贪心策略的动作选择算法，结合实时概率信念分布。这块能详细介绍一下。9.通过什么指标判断他下一步动作是否是优的呢？10.那有没有比如考虑一个全局的一个最优策略呢，这么一个方案。11.为什么一次最多走...