namelosw
2021-08-20 00:15:45 +08:00
肯定有内卷的成分，不卷的时候，比如 dotcom 之前，或者 14 年之类的时候，随便乱搞就能进去写代码。
但是跟大多行业相比，哪个卷就说不准了。平心而论刷题比考研考公都简单，成了就能拿高薪，不成还可以自己决定时间，想什么时候考什么时候考，我理解这样的情形，其他行业的人都求之不得。
不过话说回来，这种筛选方式肯定是不甚合理的。业务工程师面试，最简单的题都是链表？各位都懂，链表是很不实用的数据结构，就是纯为面试而生的，更别提大部分岗位都是应用开发，几年也用不上一次。
---
我想借着这个问题聊一下 「 LeetCode 之类的算法面试为什么流行」的问题：考算法题本质上是企业用一个偷懒但凑合可行的方式筛人。
企业招程序员的初衷：招到好的软件工程师能完成他们需要的业务。
企业想要达到的效果：
1. 招到胜任工作的人
2. 别花太多钱
假设劳动市场里有 50k 个程序员，其中 10k 能胜任我这个企业的工作，40k 不能，其中：
1. 能胜任工作，算法又好的程序员：5k 个
2. 能胜任工作，但算法不好的程序员：5k 个
3. 不能胜任工作，但算法好的程序员：2k 个
4. 不能胜任工作，算法不好的程序员：38k 个
对于企业来说，具体哪些人属于哪类尚不可知，只能用策略搜索。
一种策略跟体检一样按实际工作全面考察工作能力的搜索策略，可以准确锁定「胜任」的集合，但平均每个面试者的成本要 5k 元。
而先扔几道面试题，可以锁定「算法好」的集合，平均成本是 100 元。
招进来不胜任的人，综合各种成本最终损失 10k 元。
这只是我随便举的数字，但是意思大家都懂。虽然全面合理地考察程序员可能可以准确锁定胜任程序员的集合，但是考虑到「算法好」和「胜任」程序员这两个集合的交集不小，且「算法好」但「不能胜任」的机会主义者这个补集大小比较小，所以尚能接受，最终考虑成本企业就会选择概念上不准确但是很容易锁定的「算法好」的集合 —— 一言蔽之，企业取的是近似解，即胜任但算法不好的筛选成本太高，弃之不可惜。
打个比方，就好像普通饭馆招厨师，认真地招好厨师，就得让总厨来认真全面地考察，可能还得尝尝面试者做的几道菜 —— 但总厨觉得浪费时间，因为招人的 KPI 没有或者很少；饭馆也觉得浪费时间，就你工资最高，结果不去搞实际工作产出，跑这给我当人事来了。最后就变成，来人面试，总厨就扔给面试者两个萝卜，让面试者在总厨下班前雕出一龙一凤，雕出来就过，雕不出来就挂。可能能雕出龙凤的大多也是不错的厨师，但是普通饭馆根本不做这种菜。
---
另外谈一下这种现象怎么破？
从个人角度来讲改变不了什么，怎么都行，反正是博弈，两条路，玩或不玩。要么跟着卷，要么多花时间筛选不怎么考算法但是还不错的企业。
从行业的角度来讲，其实是一个军备竞赛的对垒问题，魔高一尺道高一丈。大规模考算法以前，其实很多公司招聘都很凑合，某些面试官秀他一脸 VIM 都能过（别笑，真事）。因为就算 correlation 不是 causation，但大部分企业觉得有 correlation 就够了。
假设有这么一个平行世界，企业没发现算法的方式，都看 VIM 用的好不好，那可能内卷的时候面试就变成打编辑距离版的高尔夫，给你两篇代码，高手按 30 次 键盘就能从 A 编辑到 B，菜逼得按 500 次。
那卷成这样怎么破呢？ 历史进程都是往前的，跟潮流做对不进则退。但是凡事都有兴衰，潮流不能推回去，但是可以加速：毕竟企业选算法是同时考虑集合的 correlation 和成本，那么唯一让他们放弃的方式就是减少 correlation 或者提高成本。提高成本不是诸位能说了算的，但是大家可以用加速主义的思想努力减少 correlation 。假如算法面试筛出来的人很多除了算法啥也不会，企业就会逐渐放弃这种方式，只能被迫寻找成本高但更合理的考察方式。（假设那个考 VIM 的平行世界，因为学 VIM 就能进，所以后来出现很速通 VIM 的培训，企业这种懒惰的筛选法就不好用了。最后就能寻找靠算法，毕竟考察算法比考察 VIM 更合理一点，当大家都能 hack 算法的时候，企业就会换到比算法更合理的考法）。
所以大家一方面可以安心刷题。另外一方面刷题成功的同志可以搞搞培训当副业，一方面是现在这个产业很有需求，所以还是有赚头的，另外一方面是大家都来努力做这个产业，这个产业就被加速灭亡了。