科大讯飞内推码

嵌入式到底要不要刷算法题，我面了 20 多家之后的结论是：大厂要刷，而且不能完全不刷。小公司不用在算法题上投入太多时间，性价比很低。一开始我对这个问题也很纠结。因为嵌入式岗位的核心明明是硬件基础、单片机、RTOS、通信协议、项目经验，为什么面试里还会出现链表、二叉树、动态规划？后来面得多了，我慢慢发现：算法题在嵌入式面试里，不是为了考你会不会“做 LeetCode”，而是面试官用来快速判断你的基础能力和筛选效率。真正的问题从来不是“嵌入式岗该不该刷算法”，而是：你投的公司层级不同，算法题的重要性完全不一样。一、算法题在嵌入式面试里的真实定位面试官用算法题，通常在判断三件事：你是否具备基本的数据...

最近刷boss 投了一堆公司。公司画像员工100-500人，非互联网公司跟着AI热潮产生的岗位需求，多为AI agent开发/全栈开发，基本都是CTO/老板直接对接，流程混乱，要求线下面试，不报销路费，直接不感兴趣拉黑。现在的互联网开发，非进校园的线下面试本来就少，基本都是借助腾讯/飞书会议线上面。走线下反映两个问题：1. 内部能效极低，线上面效率不比线下高？ 2.不懂互联网工具，不会用好互联网产品，内部怎么做的好开发？ 3. 公司没有融资没有上市没有title，凭什么要浪费时间精力给你们线下筛选？这并不表示我们求职者好高骛远，行情不好就安心沉淀寻找方向，盲目的下注只会浪费自己的时间和资源。

目标后端

最近大家都在简历里塞AI和Agent项目，但面试官拷打的重点早就不是你会不会调大模型API了，写篇避坑指南给大家参考。首先，核心拷打点绝对是“业务落地价值”，你做的这个AI功能到底是伪需求还是真提效？比如结合具体业务的自动化诊断，到底比传统规则引擎准多少、快多少？其次是工程架构能力，面试官会死磕你的上下文管理和长记忆怎么设计的，如果是做Agent应用，你的Prompt工程怎么迭代、向量检索召回率怎么优化、并发调度怎么处理的？第三个高频问题是“兜底机制”，大模型经常幻觉，你的系统在面对脏数据流或者复杂边界条件时，有没有降级策略？ 最后就是性能调优，流式输出的延迟怎么降下来的？很多朋友平时习惯了用...