英伟达同事圈，有员工表示，今天在找bug中再次输给了 claude，以后只能去当电工了
python约 3 分钟英伟达员工都开始被 Claude 打到怀疑人生了，这乐子一下就大了。帖子里那句“找 bug 又输给 Claude，以后只能去当电工了”，看着像玩笑，其实一股子班味都飘出来了：以前是同事卷你，现在是模型顺手把你也卷了。
但这事扎心就扎心在这儿。程序员以前最硬的那点本事，现在被 AI 拿来当基础功能展示了。你还在吭哧吭哧翻日志，人家已经把可能原因列三条，顺手给你补个 patch。HR 看完这种帖子，估计眼皮都跳一下：以后招人是不是得先看你会不会跟模型配合干活。
嘴上说去当电工，真到下班点，大家八成还是默默把 Claude 打开。
算法题：倒水
两个杯子摆在那儿，看着像小学题，真写代码时最容易犯的错反而不是不会做，是一上来就开始手搓倒水过程，写着写着把自己绕进去。这个题我第一眼一般不先算公式，先看状态。因为“倒水”本质不是倒了几次，而是当前两个杯子里各有多少水。
假设有两个水壶，容量分别是 x 和 y，目标是量出 target。那一个状态其实就是 (a, b)，表示当前两个壶里的水量。接下来能做的动作无非 6 个：装满 A、装满 B、清空 A、清空 B、A 倒给 B、B 倒给 A。
这题最稳的写法是 BFS。原因很直接：每次扩展一层，就是多操作一步。你第一次碰到目标状态时，那条路天然就是最少步数。现场里这种题我一般不太信 DFS，尤其一堆分支还会重复绕回去，不加剪枝很容易跑偏。
代码我自己一般会这么写，短一点，够用：
from collections import deque
defmin_steps(x: int, y: int, target: int) -> int:
if target > x + y:
return-1
if target == 0:
return0
q = deque([(0, 0, 0)]) # a, b, step
visited = {(0, 0)}
while q:
a, b, step = q.popleft()
if a == target or b == target or a + b == target:
return step
nxt = [
(x, b), # 装满A
(a, y), # 装满B
(0, b), # 清空A
(a, 0), # 清空B
]
move = min(a, y - b) # A -> B
nxt.append((a - move, b + move))
move = min(b, x - a) # B -> A
nxt.append((a + move, b - move))
for state in nxt:
if state notin visited:
visited.add(state)
q.append((state[0], state[1], step + 1))
return-1
拿经典例子试一下，3 升和 5 升，目标 4 升：
print(min_steps(3, 5, 4)) # 6
这 6 步不难还原：装满 5，倒给 3，清空 3，再倒，继续装满 5……最后能得到 4。过程不用硬背，程序自己会搜出来。
这题还有个常见优化判断：如果 target % gcd(x, y) != 0，那一定无解。这个结论很硬，因为你每次操作本质上都在做容量之间的线性组合，凑不出最大公约数的倍数，后面怎么倒都白搭。
from math import gcd
defcan_measure(x: int, y: int, target: int) -> bool:
if target > x + y:
returnFalse
return target == 0or target % gcd(x, y) == 0
面试里如果只问“能不能量出来”，直接上最大公约数就行，快得很。要是继续追问“最少几步”，那还是老老实实 BFS。这个题不复杂，但很适合看一个人有没有把问题先压成状态，再去写代码。很多题卡的不是算法，是下手顺序。