回想去年实习的第一天，我以为我会是从容淡定的职场新人，结果全程像个没头苍蝇，根本不知道干什么。当天，我是提前半小时到公司，到了工位后，HR简单介绍了下公司的茶水间、卫生间和周围的环境，就把我交给了mt，然后就没影了。mt很忙，扔给我一个项目文档，让我先看，说有不懂的再问他，然后就埋头敲代码，全程没再理我。我坐在工位上，不敢瞎动、不敢瞎问，只能乖乖翻手册，但是越看越迷茫，不知道自己接下来要做什么，也不知道该怎么跟mt搭话。最尴尬的是，中午吃饭的时候，大家都三三两两一起去食堂，我一个人都不认识，只能默默坐在工位上。还在mt后来忙完，待我去了食堂。下午，mentor直接给了我一个简单的小任务，说让我...

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。

如题，tl：3.3 投递3.9 一面3.17 二面3.25 三面3.26 hr面4.1 offer给同样面了腾讯的同志们一点参考。说好的字节才是双非友好大厂呢，为什么我简历是投一次锁一次，以后要当节恨子！鹅是人生第一次面试，本来以为要挂几次，没想到流程还算顺利，初面就直接给我过了，我要感谢腾讯，感谢面试官，感谢hr，感谢所有人。真心是体会到了，找日常实习就是七分运气三分实力。鹅的黑卡有点帅

这是社群小伙伴分享的 社招面经 双非本 4年工作经验1. 自我介绍2. 展开讲一下你们决策系统的整体架构，你在里面具体负责什么？答案：这个系统整体分成数据层、模型层、知识层、决策层和应用层。数据层负责接入客户侧的电表数据、设备数据、天气数据、电价数据和业务配置；模型层负责负荷预测、异常检测和策略打分；知识层负责接入制度文档、设备说明书、调度规则和历史案例；决策层把预测结果、规则约束和知识库证据结合起来，生成调度建议；应用层提供报表、问答、预警和人工确认入口。我主要负责三块：第一是负荷预测链路，包括数据清洗、特征构造、模型训练、离线评估和线上推理接口；第二是知识问答链路，包括文档解析、向量入库、...