与「面试题库」相关的搜索结果

毕业季，想冲腾讯、阿里等大厂 offer，却不知道该刷哪些面试题？刷题资料又散又旧，效率极低……😭 分享一个专门收录大厂校园招聘面试真题的开源题库 GitHub项目，直接把2025最新大厂面试题整理好了，而且每道题都配有视频解析和文字讲解。😊 里面汇集了腾讯、阿里、字节跳动、网易、美团等多家大厂的最新面试题，每题都配备了详细的视频讲解和文字解析。 📍 持续更新，题库质量高 📍 完全免费开源，直接刷 特别适合正在准备秋招/春招、想系统刷大厂面试题的同学，能节省大量找资料的时间。😊 🔗 GitHub地址： 还在为大厂面试刷题发愁的朋友，建议收藏这个题库。 #大厂面试# #校园招聘# #面试题库# #秋招准备# #GitHub资源#

新的博客文章《后面试时代与 AI 刷题》： 为了准备面试，程序员都会去刷算法题，最常见的就是使用 LeetCode 题库。 生成式 AI 出现后，越来越多的人发现，有了 AI，人肉刷题似乎不那么必要了。 AI 厂商开始推出，针对面试的刷题工具，下面就是我的试用体会。

有一同事在大公司待久了，有点腻烦，就偷偷找了个初创公司，试水面试一下。 初创公司的面试官和他一开始都是聊技术，兴趣相投，越聊越嗨，从14点聊到18点。要下班了，索性就一起吃了个饭，喝点小酒。 一喝坏事了，这位面试官开始吐苦水：创业怎么怎么辛苦，这些年来当爹又当妈，投资人各种压迫，老板各种不靠谱，工资延期，早就干不下去了。 我这同事想，这初创公司也太坑爹了，我是肯定不能去。另外，这面试官也怪可怜的，要不来我们公司试试？虽然大公司流程慢、毛病多、空间有限，但至少温饱有保障，福利也多。你技术也蛮好的，来我们这里发展发展吧。 好嘛，过了几个月，面试官就入职了。

最近几个月的面试中，候选人离职比例最高的原因是「组织架构调整」，俗称裁员。。 这个原因也是中国互联网最普遍的，特别是大厂。 在这之外，还有一类原因：公司 CTO/负责人 离职了，新人过来后，带了自己的人来，我就被边缘化了，所以不得不离职。 这个原因我是到现在为止都不理解的，CTO 空降，为什么一定要带着自己的人过来？这也太「一朝天子一朝臣」了！

应聘 AI Agent 工程师，面试官问了一个这样的问题，我刚好做过，如图。 问：在 LLM 流式输出模式下，如何最大限度的保证 UI 渲染的性能？ 核心是别让 UI 做蠢事： 1. 不要每次 token 到来都从头渲染整段内容 应该增量追加节点，或按节流窗口批量刷新。否则输出越长，每次重绘成本越高。 2. 不要塞重型 UI 组件。比如现成的代码高亮渲染、重型表格等，可以自己封装轻量渲染组件。 3. 流式渲染要节流 LLM token 来得很碎，UI 不需要跟每个 token 同频刷新。比如 100-300ms 合并一次，观感仍然实时，性能稳定很多。也可以结合字符串长度节流。 5. 交互能力和渲染能力分离 对输出内容的二次加工、审批动作等做分离。 一句话：LLM 流式 UI 的性能优化，不是更快地重绘，而是少重绘、轻节点、按需交互。 大家继续补充...

成年人的生活，只要涉及成功、财富，它就和竞技体育一模一样的逻辑： 竞技体育都得打兴奋剂，不存在不打的。检查出来了就是打药了;没被检查出就是没打药。但你问打药没，没任何人会跟你说，我打药了。 求职面试简历不能撒谎是吧？别人撒谎就可以拿到好工作，你不撒谎你就不可能拿到好工作。你怎么办？

今天面试官问我：Agent 在流式输出 Chat Response 的过程中，怎么实现人为中断和上下文感知恢复？ 我说关键就两点： 第一，一个 Task 一个 Session。 用户点 Stop，只是中断当前这次 run，不是清空整个对话。所以停止时，要把当前上下文保存到对应的 sessionId 下；下一次恢复时，再根据这个 sessionId 把上下文加载回来。 第二，要处理 tool call 被截断的情况。 如果中断发生在 tool_call 已经生成、但 tool_result 还没返回的时候，消息链就是半截的。下一轮直接继续，很容易报 Pending tool calls exist without results。所以这类半截 tool_call，必须补一个 recovery result，让上下文重新变成合法状态。 一句话：Stop 停的是这次输出，不是这个 Task 的记忆。 按照这个思路，我把 Stella 的输出停止和带上下文状态恢复给做顺溜了。满分 💯

你说科研环境重要吗？当然重要，但决定科研成果的还不是这个环境。你看伽罗瓦，他16岁去考法国综合工科学校，面试的时候骂那个考官听不懂他解释。失去入学资格，后来提交研究成果给法国科学院，柯西没看懂还弄丢了。后来又参赛，提交给傅里叶，结果傅里叶死了，又弄掉了。最后一次提交，泊松直接看不懂