C 在不同领域有不同的技术栈，不同职级有不同的难度和层次。

先说领域。

以高频交易为例，最核心的目标是极限追求低延迟，因此空间复杂度、代码健壮性、吞吐量都可以牺牲。除此之外，还需要金融领域的知识。

以游戏引擎为例，你需要啃十几本图形学书，没日没夜地自己从头开始写shader、光照、材质，甚至脚本引擎、C 反射工具等工程细节，可谓是燃烧生命。

以存储系统为例，又细分为内存数据库（redis）、全文检索（sphinx，ES）、大规模分布式kv store（spanner、bytekv）、分析型数据库、容错强一致性数据库（zk，etcd）、非主从架构的分布式数据库（Cassandra，Dynamo）、关系型数据库（innodb，Oracle）。如何克服写放大，如何避免data loss，如何做data replication，如何做sharding，如何实现secondary index等等，不同类型的存储系统有不同侧重，也有不同的trade-off。

我在AI Lab招C 程序员，如果岗位偏引擎，会问关于微处理器架构、GPU优化、CUDA编程、高级并行算法、前向推理框架、CQT特征提取、SIMD、视频编码解码等问题。如果岗位偏服务，就会问分布式存储、网络通信与rpc、操作系统、log-structured database（比如rocksdb）、文件系统等。要知道lab里的工作领域已经非常接近，就是AI服务的落地，本质上追求的是离线业务的高吞吐和高SLA。如果是不同大类的C 岗位，那差异会更大。

除此之外，还有嵌入式开发、工业软件开发、音视频等领域，都各有各的技能栈。

再说层次。

实习生、应届生的问题和社招FTE的问题肯定不同。对低职级岗位的问题一般注重CS基础和智力水平。即使领域知识和业务知识不熟悉也可以培养。对于高职级岗位的问题则注重对过往经验的挖掘，在讨论技术问题时，期待的是完整的解决方案。如果是算法核心的解决方案，可与业界、学术界sota标准进行对比，解释思路的novelity。如果是产品化的解决方案，则要熟知国内外市场上的主要竞品。

面试时遇到Top school CS科班出身和普通985转专业到CS硕士的，出题的难度也不同。事实上根据我的经验也只有最顶级学校的CS科班学生能让我放心地跨越好几个抽象层次追根问底。其他情况下，问得太深，对方连题干都听不懂，场面反而尴尬，还不如多交流交流项目经历，然后出一道难一点的算法题，好让面试者在现场编程能力这方面弥补一下之前基础上的劣势。当然更可能的结果是心态崩溃连编程题也没发挥好。

1.第一我想说所有的提问都是好问题；

2.衡量一个开发人员是不是优秀的开发人员，不仅仅是从技术上评估，技术可以通过学习获得提升；

3.面试一个人要从各个方面提问，了解一个人是否是一个优秀的，有自我驱动力的人太重要，一个自觉，皮实，有自我驱动力的人是不需要去管理的，只管把事情交给他，看结果的时候一般都会超出你的预期；

4.所以技术面试也应该从多方面提问，多了解一个人。