上午九点五十分，林晨坐在t厂大楼三十二层的一间小型会议室里。
会议室不大，约十平米，一张长方形会议桌，四把椅子，墙上挂着白板。窗户朝东，晨光透过百叶窗在地板上投下斑驳的光影。空气里有淡淡的消毒水味和咖啡香——典型的互联网公司气味。
林晨提前二十分钟到达。前台核对信息后，一位年轻的hR实习生将他领到这里，递上一瓶矿泉水，礼貌地说面试官马上就到。
他打开笔记本电脑，连接电源，再次检查网络。视频面试链接已经发到邮箱，但他被通知第一轮是现场面试。也好，面对面更能展现状态。
九点五十五分，门被推开。
进来的是个三十出头的男性，短发，戴黑框眼镜，穿着深灰色t恤，胸口印着t厂的logo。他手里拿着ipad和一支笔，步伐轻快。
“林晨是吧？我是王磊，AI平台部的算法工程师，今天由我来做技术一面”。他伸出手，笑容温和但透着专业感。
林晨起身握手：“王老师好，我是林晨”。
“坐坐，别客气”。王磊在对面坐下，打开ipad，“简历我看过了，十年跨境电商经验，最近半年自学AI，还做了个量化投资系统”？
“是的”。林晨点头，心里快速调整状态——苏婉说得对，不是接受考核，是展示价值。
“那我们直接开始吧”。王磊推了推眼镜，“先做两道算法题，可以吗”？
“没问题”。
王磊在ipad上操作几下，将屏幕转向林晨。是t厂内部的在线编程平台界面，题目已经加载。
第一题：寻找旋转排序数组中的最小值 II
题目描述：假设一个按升序排列的数组在某个未知点上进行了旋转（例如，数组 [0,1,2,4,5,6,7] 可能变成 [4,5,6,7,0,1,2]）。数组中可能包含重复元素。请编写一个函数，找出其中最小的元素。
难度标签：hard。
林晨扫了一眼题目。这是二分查找的变种，经典难题。他曾在Leetcode上刷过类似的题，但包含重复元素会增加复杂度。
“可以用这个平台写，也可以在白板上写思路”。王磊说。
“我直接写代码吧”。林晨将笔记本电脑转向自己，打开编程界面。
手指落在键盘上时，他深吸一口气。这半年，他刷了超过三百道算法题，从Easy到hard，从数组到图论。失业的压力转化为刷题的动力，常常一天八小时坐在电脑前，直到眼睛发酸。
此刻，那些深夜的坚持开始兑现。
他先写下函数签名，然后快速分析：因为有重复元素，当 nums[mid] == nums[right] 时，无法判断最小值在左侧还是右侧，此时只能将右指针减一。时间复杂度最坏会退化到o(n)，但平均仍是o(log n)。
指尖在键盘上飞舞：
def findmin(nums):
left, right = 0, len(nums) - 1
while left ＜ right:
mid = left + (right - left) // 2
if nums[mid] ＞ nums[right]:
left = mid + 1
elif nums[mid] ＜ nums[right]:
right = mid
else: # nums[mid] == nums[right]
right -= 1
return nums[left]
写完，他检查了一遍边界条件，点击运行。
测试用例通过。
“Ac了”。王磊看着ipad上的反馈，点点头，“时间三分十二秒，很快。能解释一下为什么 nums[mid] == nums[right] 时要 right -= 1 吗”？
林晨转向白板，画了一个数组示意图：“比如 [3,3,1,3]，初始时 left=0, right=3, mid=1。nums[1]=3, nums[3]=3，相等。此时我们无法判断最小值在左边还是右边，但可以确定的是，去掉最右边的元素不会丢掉最小值，因为 nums[right] 和 nums[mid] 相等，所以可以安全地将 right 减一”。
“正确”。王磊在ipad上做了记录，“下一题”。
第二题：接雨水 II
题目描述：给定一个 m x n 的矩阵，其中的值均为正整数，代表二维高度图。请计算这个形状可以接多少雨水。
难度标签：hard。
二维接雨水，比一维难得多。林晨记得这道题要用最小堆（优先队列）加bFS的思路。他从边界开始，将最低的柱子作为“水桶”的短板，向内推进。
思路清晰后，他再次开始编码。这次花了些时间，约八分钟。
import heapq
def trapRainwater(heightmap):
if not heightmap:
return 0
m, n = len(heightmap), len(heightmap[0])
if m ＜ 3 or n ＜ 3:
return 0
visited = [[False] * n for _ in range(m)]
heap = []
# 将边界加入堆
for i in range(m):
heapq.heappush(heap, (heightmap[i][0], i, 0))
heapq.heappush(heap, (heightmap[i][n-1], i, n-1))
visited[i][0] = visited[i][n-1] = true
for j in range(1, n-1):
heapq.heappush(heap, (heightmap[0][j], 0, j))
heapq.heappush(heap, (heightmap[m-1][j], m-1, j))
visited[0][j] = visited[m-1][j] = true
directions = [(0,1),(0,-1),(1,0),(-1,0)]
water = 0
while heap:
height, x, y = heapq.heappop(heap)
for dx, dy in directions:
nx, ny = x + dx, y + dy
if 0 ＜= nx ＜ m and 0 ＜= ny ＜ n and not visited[nx][ny]:
visited[nx][ny] = true
# 如果相邻格子比当前边界矮，可以接水
water += max(0, height - heightmap[nx][ny])
# 新边界的高度是 max(当前边界高度, 相邻格子高度)
heapq.heappush(heap, (max(height, heightmap[nx][ny]), nx, ny))
return water
运行，再次Ac。
王磊看着结果，沉默了几秒。然后他抬起头，笑容更明显了些：“两道hard题，全部一次Ac，而且时间控制得很好。林先生，你的算法功底比很多科班出身的候选人还要扎实”。
“谢谢”。林晨松了口气，但不敢放松——他知道，算法只是门槛，真正的重点在后面。
果然，王磊将ipad放到一边，身体前倾：“那我们聊聊项目吧。你简历上写的这个‘智能量化投资系统’，我挺感兴趣的。一个做了十年跨境电商的人，怎么想到做这个”？
林晨知道，展示价值的时刻到了。
他打开自己带来的笔记本电脑，调出系统的架构图：“其实逻辑是相通的。跨境电商要做库存预测、价格优化、用户行为分析，本质也是数据驱动决策。我失业后开始学AI，就想能不能把机器学习用在投资上”。
他切换到系统界面——这是他自己开发的web端，简洁的深色主题，左侧是菜单栏，中间是K线图和策略信号。
“系统分为几个模块”。林晨开始讲解，“数据层，我从多个数据源获取A股、基金、期货、外汇的实时和历史数据，用pySpark做清洗和预处理。特征工程部分，我提取了上百个技术指标，包括均线、mAcd、RSI、布林带，还有一些自己设计的因子”。
王磊认真听着，偶尔点头。
“模型层，我用了集成学习。基础模型包括LStm、GRU这些时序模型，还有xGboost和LightGbm。但不是简单堆叠，我设计了一个元学习器，动态评估每个子模型在不同市场状态下的表现，分配权重”。
“怎么评估市场状态”？王磊问。
“我用无监督学习做了聚类”。林晨切换到另一张图，“根据波动率、成交量、行业轮动速度等维度，把市场分为震荡市、单边上涨、单边下跌、高波动四种状态。每种状态下，不同策略的有效性差异很大”。
“有意思”。王磊眼睛亮了，“那风控呢”？
“三层风控”。林晨点开风控模块，“第一层，策略层面，每个策略都有最大回撤阈值，触发就暂停。第二层，账户层面，单日亏损超过2%或周亏损超过5%，全仓降杠杆。第三层，人工干预接口，我可以随时手动平仓”。
他顿了顿，补充道：“系统运行半年，累计收益率86%，最大回撤7.2%”。
王磊挑了挑眉：“实盘”？
“实盘”。林晨点头，“我用的是自己的钱。代码可以骗人，但账户净值不会”。
这句话让王磊笑了：“说得对。那你在开发过程中遇到的最大技术挑战是什么”？
林晨想了想：“数据一致性。金融市场数据来源多，格式不一，还有停牌、除权除息、合约换月这些特殊情况。我花了大量时间构建数据管道，确保输入模型的数据是干净、连续、可复现的。另外就是实盘交易时的延迟和滑点问题，我接入了券商ApI，但中小券商的接口稳定性一般，需要做重试和容错”。
两人就这样聊了四十多分钟。从模型细节到工程实现，从投资理念到技术选型。王磊问得很细，有时甚至会追问某个参数为什么设成0.3而不是0.25。林晨一一作答，有些地方他承认还在优化，但思路是清晰的。
十点五十分，王磊看了眼时间：“差不多了。我这边技术评估没问题，算法和项目都超出预期。接下来会有二面，应该是我们总监陈博士亲自面，他可能会问得更深，尤其是AI底层的一些东西”。
“谢谢王老师”。林晨起身。
“别客气”。王磊也站起来，再次握手，“说实话，你这个转型案例挺励志的。期待和你做同事”。
走出会议室时，林晨感觉脚步轻快了许多。
走廊里人来人往，年轻的程序员们端着咖啡匆匆走过，讨论着模型训练和线上问题。阳光透过落地窗洒进来，整个楼层明亮而充满活力。
他走到窗边，望向楼下。深南大道车流如织，远处腾讯大厦的玻璃幕墙反射着耀眼光芒。这座城市的脉搏，他曾经以为自己已经脱节，但现在，他又一次站在了核心地带的建筑里，用代码证明了自己的价值。
手机震动，是苏婉发来的微信：“面试怎么样”？
林晨打字回复：“一面过了，聊得很好。面试官说期待做同事”。
几乎秒回：“太好了！我就知道你可以！乐乐说晚上要吃大餐庆祝”！
看着屏幕上的字，林晨嘴角扬起。他想起昨晚苏婉说的话——你不是在求职，是在寻找能发挥价值的平台。
也许，t厂就是这个平台。
但下一关，是陈博士。
林晨听说过这位技术总监的名声：严谨、深刻、喜欢追问本质。他会问什么？会如何看待一个半路出家的AI工程师？
电梯下行时，林晨看着楼层数字跳动，心里那个问题逐渐清晰：
当一位追求算法极限的科学家，遇见一个用代码解决实际问题的工程师，会碰撞出怎样的火花？
他不知道答案。
但他已经准备好了。