什么樣的問題是好問題？

C++在不同領域有不同的技術棧，不同職級有不同的難度和層次。

先說領域。

以高頻交易為例，最核心的目標是極限追求低延遲，因此空間復雜度、代碼健壯性、吞吐量都可以犧牲。除此之外，還需要金融領域的知識。

以游戲引擎為例，你需要啃十幾本圖形學書，沒日沒夜地自己從頭開始寫shader、光照、材質，甚至腳本引擎、C++反射工具等工程細節，可謂是燃燒生命。

以存儲系統為例，又細分為內存數據庫（redis）、全文檢索（sphinx，ES）、大規模分布式kv store（spanner、bytekv）、分析型數據庫、容錯強一致性數據庫（zk，etcd）、非主從架構的分布式數據庫（Cassandra，Dynamo）、關系型數據庫（innodb，Oracle）。如何克服寫放大，如何避免data loss，如何做data replication，如何做sharding，如何實現secondary index等等，不同類型的存儲系統有不同側重，也有不同的trade-off。

我在AI Lab招C++程序員，如果崗位偏引擎，會問關于微處理器架構、GPU優化、CUDA編程、高級并行算法、前向推理框架、CQT特征提取、SIMD、視頻編碼解碼等問題。如果崗位偏服務，就會問分布式存儲、網絡通信與rpc、操作系統、log-structured database（比如rocksdb）、文件系統等。要知道lab里的工作領域已經非常接近，就是AI服務的落地，本質上追求的是離線業務的高吞吐和高SLA。如果是不同大類的C++崗位，那差異會更大。

除此之外，還有嵌入式開發、工業軟件開發、音視頻等領域，都各有各的技能棧。

再說層次。

實習生、應屆生的問題和社招FTE的問題肯定不同。對低職級崗位的問題一般注重CS基礎和智力水平。即使領域知識和業務知識不熟悉也可以培養。對于高職級崗位的問題則注重對過往經驗的挖掘，在討論技術問題時，期待的是完整的解決方案。如果是算法核心的解決方案，可與業界、學術界sota標準進行對比，解釋思路的novelity。如果是產品化的解決方案，則要熟知國內外市場上的主要競品。

面試時遇到Top school CS科班出身和普通985轉專業到CS碩士的，出題的難度也不同。事實上根據我的經驗也只有最頂級學校的CS科班學生能讓我放心地跨越好幾個抽象層次追根問底。其他情況下，問得太深，對方連題干都聽不懂，場面反而尷尬，還不如多交流交流項目經歷，然后出一道難一點的算法題，好讓面試者在現場編程能力這方面彌補一下之前基礎上的劣勢。當然更可能的結果是心態崩潰連編程題也沒發揮好。