自我介绍，以及 AI 的使用经历 -> 用 AI 做了什么？ -> 介绍一次在开发设计中使用 AI 完成工作的经历；HTTP 与 HTTPS 的区别？ -> HTTPS 如何保证安全连接？ -> HTTPS 握手机制？; GC 机制是怎么样的？ -> 我提到了一些垃圾回收器 -> 这些垃圾回收器的特点是什么？在什么场景下选择？ -> 如果有个业务即关注用户体验又关注系统吞吐量，用什么垃圾回收器比较合适呢？如果用 G1 的话，为什么选择它？G1 是如何进行分区和优先回收优化的？如何设计一个 RAG 系统，从切分、版本号、去重、权限控制等角度回答；说一次你...

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。

投递岗位：后端开发/agent各平台沟通情况：boss1500+，猎聘200+，智联200+，网申60+。面试情况：约面30+，简历挂10+，小厂oc4家，中大厂oc2家，周五准备入职，不能等了，边面边投吧。面经不再赘述，就写一些我的面试感受和一些小经验吧：对于小厂，遇到的基本上就一轮面，30min左右面试时间，个别会考察代码，其他的话多结合八股来考察，也不会很深，你只要不紧张，发挥稳定，基本上就oc了。对于中大厂，多轮面试，我分为技术面和HR面来说说吧。技术面的话一般是八股+算法，同时公司规模越大，对项目考察度越深，具体到某个技术在你项目的应用，为什么使用这个技术，某个环节出了问题引发了什么...