今天整理了一下滴滴二面的整体流程和高频考察点，明显能感觉到二面和一面的区别还是很大的。一面更偏基础和项目经历的初步了解，二面则会继续深挖项目细节、工程思维、技术选型、问题定位能力，以及 C++ 核心知识和手撕代码能力。很多题目表面上不难，但如果项目细节不熟、底层原理说不清、回答不够结构化，就很容易卡住。这篇复盘主要把这次面试中出现的题目整理出来，方便后面继续针对性准备。题目介绍一下你参加过的竞赛，遇到的最大挑战是什么？竞赛项目中你是如何做技术选型的？为什么选这个方案而不是其他方案？你的项目中是如何保证代码质量和可维护性的？项目中遇到过内存泄漏或崩溃问题吗？你是怎么定位和解决的？C++ 虚函数的...

 现在校招简历人人都想沾一点 AI，但大部分同学都陷入一个误区：没做过 AI 模型项目，就在自我评价硬写“精通大模型、熟悉深度学习”，夸张到业务熟练的HR都能一眼看出造假，然后技术面的面试官一问就GG。结合平时简历投递习惯：项目真实用到 AI 才写项目，没做 AI 项目绝不硬吹；AI 能力放在技能+自我评价，低调务实、有依据、不浮夸。技能栏是最安全稳妥的写法，不用夸大 AI 水平，而是写明熟练使用 AI 编程工具，掌握基础提示词用法，能够利用 AI 辅助编码、梳理逻辑、排查问题和整理文档，同时了解大模型基础应用逻辑，具备 AI 辅助开发的思维。项目经历严格遵循真实原则，只有实际接入过大模型 A...