确实同质化有点严重了，有实习经历的还好，没有实习只有项目的；一部分还是外卖点评啥的，一部分是AI问答、RAG知识库，大家的简历技能都差不多，那就只能按照学校/专业/眼缘去筛人了；尤其在vibecoding出项目速度极快的当下，可能后续会越来越看重实习经验了，hr推给我的简历，除了学校以外，我自己也会优先看看有没有真实的实习经历，只能说成也AI败也AI，能实习就实习吧如果是学校背景不太好的友友，也别执着于逆袭进大厂了，先有班就上吧，我们团队今年就有1年经验从小公司来的，主要也是他过往做的业务垂直对口了，上班不是在做玩具项目，你是真实在解决业务问题，哪怕你自己没做什么，你跟着一些社会人士，也是能吸...

boss 大概 50:1要简历，基本都是中小厂，后续也没什么消息。 是简历的问题吗？ 大厂官网也都一直没有推进或者简历挂

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。

最近经常有人问我平时用什么AI工具写代码，索性整理一篇，把我日常开发中高频使用的工具和资源都列出来，供大家参考。一、编程开发核心三件套1、Claude Code这个不用多说，绝对的真神。我日常开发90%以上的场景都依赖它。无论是写业务逻辑、调试问题还是重构代码，它的理解能力和代码质量都让我非常满意，基本上已经成了我的第一生产力工具。2、Codex同样是真神级别的存在。但是和Claude Code还是有一定差距，偶尔会用。3、CC Switch可以让你在Claude Code、Codex等应用中灵活切换不同的模型，比如Qwen、DeepSeek以及GLM等。二、桌面AI客户端：Cherry St...