前些年技术圈有个经典名梗：
广受谷歌员工欢迎的 macOS 包管理器Homebrew 的开发者，技术大佬Max Howell，去谷歌面试时由于不会做一道非常基础的算法题——翻转二叉树，而被谷歌拒了。
当时圈内炸了锅，有人觉得是大佬不屑于去做，有人顺带吐槽了自己的类似经历......
其中一位网友的评论切中要害：“大佬不会做翻转二叉树，但他仍然开发出了Homebrew ；你虽会做，但却开发不来。”
问题出在哪呢？
至少我们能发现谷歌的这道题并没能挖掘出大佬真正的技术实力，从招聘目标来看，其实是有些失败的。
大佬在之后在技术论坛里做出了解释：
他承认自己当时确实不知道二叉树，但强调了谷歌不能因此拒掉他。
虽然他不懂很多CS 理论，但他开发出了在乎用户体验、饱受好评的Homebrew， “真正开源世界中一颗闪亮的星”，他认为这跟CS 理论没有半点关系。
他表达了一个清晰有力的观点：实践比理论更加重要。
01 为什么总出算法题？
企业为什么执着于出算法题呢？
有三方面原因：
省时省力：技术岗位的主要任务是完成工程项目，并没有太多时间和资源来针对岗位需求来制定题目。
算法题则无需编程语言或环境的配置，甚至用白板都能直接进行考核，对企业很方便。
算法题容易评估：企业要出跟实际项目相关的题型，就需要更多的时间和资源来设计和评估，许多复杂的细节难以量化和评价。
算法题有标准答案和客观指标，如时间/空间复杂度来直接评价候选人的水平。
企业的“保底思维”：算法题考察了程序员的基本功，像一个大漏斗，留下来的至少基本功不错，里面可能存在合适具体岗位的人选。
但只考算法题存在着许多局限性。
02 算法题的局限
2.1 实际项目有时不需要懂太多算法
有人会说，算法考核的都是基础，若连基础都不会，那怎么证明他有更强的实战能力呢？走路都不会，又怎么参加长跑比赛呢？
但算法与实际项目的关系，并非上楼梯似的递进，而更像水分子跟水一样的层级关系。人类真正了解水分子结构不过几百年，但不妨碍人类一直在用水。
就像打造一个游戏引擎，需要学习很多算法，但游戏设计师使用游戏引擎来设计游戏，却不需要懂太多算法。
其实，许多算法早已被封装好，集成在各种工具和框架中，除非底层开发工作，比如开发新的游戏引擎，许多岗位早已不需要接触这些算法原理了。
现实工作中，如何很好地完成业务需求，更多取决于候选人如何很好地去使用相关的工具与框架。
2.2 算法题匹配不了复杂的工程问题
算法题通常是抽象、简化、标准的，实际项目中的问题往往是具体、复杂、多变的。
招聘时的算法题，往往预先设计了一个最优解，让候选人在限定时间内解出。
但现实中，工程问题往往不仅没有标准答案，有时甚至连问题在哪，是否能用现有技术解决都不清楚。
比如招聘中，企业会让候选人写一个从A到B点的最短路径算法。这类题目通常被精心设计，数据被构造，一定存在最优解，问题的输入和边界条都相对简单和规范。
但实际的交通系统项目中，存在着拥堵、施工、事故多种路况，步行、汽车、公交多种方式、用户随意更改目的地，以及要实时同步交通数据，这些都是要候选人花更多精力考虑的复杂情况，而非仅需记忆类似Dijkstra 的一个算法就能搞定。
项目代码是真实世界的，存粹的算法代码只存在于阉割版的证明理论里。
只有理论，而无法高效实现的算法也并不少，比如Kruskal 算法很早就出现，但很久之后才找到了较好的实现方式，变得实用。
技术人才的核心价值，是用代码实现具体的功能，而非仅懂理论概念。
2.3 AI 新浪潮的冲击
招聘中，候选人往往需要闭卷限时解答算法题。
但现实中复杂的项目，技术人员可以长时间沟通交流、协作，并且自行查阅资料。
随着AI 发展，查阅理论算法知识，更是轻而易举，记忆算法的价值大幅减弱。
这是我用AI 工具实现的“关键词出现频率统计”功能，其中涉及到了Porter Stemming和Snowball Stemming 等词干提取的算法，而我对这些算法一无所知。
目前算法题考核招聘方式，无法还原实际场景中的资料搜索、沟通协调等相关能力。
总之，通过算法题先筛人，再进一步靠面试判断岗位匹配度， “先筛人，后匹配”的模式，仅是旁敲侧击挖掘能力的方式。
不仅会漏掉如Howell 那种有潜力、创造力、有专长的技术大佬，也容易招到一群只会做算法题，但缺乏沟通协作、解决实际问题等拥有工程能力的人。
好比打靶并没刻意瞄准靶心，只是先让自己手别抖，这样“弹孔”容易稳定地集中在某一区域，招到一群相似的“优秀”人才，但却可能偏离岗位的“靶心”。
有没有什么方法，能直接冲着“靶心”瞄准，反过来从岗位出发，直接招到匹配该岗位人才的方式呢？
03 ShowMeBug 基于岗位的“实战题型”
ShowMeBug 致力于深挖技术实力，为企业找到技术岗位的最佳匹配人选，专门打造了基于岗位的“实战题型”。
从岗位需求出发，ShowMeBug 自研能力模型，将岗位能力细化为逐条能力维度，再基于能力维度，推导出具体的技能与知识点。同时也支持企业自行调整。
这些知识点，是ShowMeBug 与各类行业大佬合作，总结大量过往实战项目案例提炼得出。
确保了什么样的岗位，就能明确需要什么样能力，并出相应的题目考核这些能力，使得通过测评的的候选人完美匹配岗位的需求。
比如，除了像 Java、JavaScript、C++、Python 等考核编程语言能力的基础编程题，也有像 Vue、SpringBoot 等，考核候选人使用前后端框架进行需求实现能力的题目。
下图中，就是一道考察候选人“是否能够处理耗时任务”的实战编程题：
这道题目模拟了一个常见的场景：用户在前端点击按钮后，需要优化接口，让后端将耗时任务放入不同线程中异步执行，从而让前端不需要等待所有任务完成才能收到响应，优化用户体验。
同时，ShowMeBug 题库也支持“开卷有益”功能，企业可以在试卷设置AI 编程助手。最大限度还原候选人现实中的工作环境，考核他的实战工作能力。
总之，企业在招聘时，可直接使用ShowMeBug 的5000+ 道题目直接进行考核，节省下大量时间与精力；
企业也可针对不同岗位，通过调整相应的能力维度、技术与知识点，来自定义想要考核的题目，满足自身个性化的招聘需求；
“实战题型” 的内容与AI助手，也很好地把候选人放在了真实工作环境下，去解决贴近实际项目的问题，最大限度地在屏幕前直接还原他的真实技术能力，助力企业精准择优。
标签：岗位,招聘,能力,总考,算法,ShowMeBug,有效性,候选人 From： https://www.cnblogs.com/0915yb/p/17733302.html