来了个月薪 30k的新同事,简直是个奇葩

团队迎来一位月薪30k的资深前端,却在基本技能如git使用、http接口对接上表现出严重不足,甚至对代码版本管理和防御攻击概念模糊。其工作态度和能力引发团队反思,提醒加强面试流程。

这段时间来了个新同事,月薪 30k。另一个同事引荐进来的,团队没有面试过这个人。因为同事推荐,所以他直接入职。

据他所说,开发经验十年,用 Vue.js 四年。算得上是资深专业前端。 

新同事入职的两天后,我们发现他发现不会 git clone 项目,直接在 github 点击下载,我们很好奇,问怎么不 clone 项目,他说 git 用得不溜。我们一脸懵逼,关键是他也没说有其他版本管理工具的经验,例如假如他非常擅长 SVN 所以不用 Git 之类的说法。而是他对代码的版本管理没有意识与经验。 

这段时间他摸鱼厉害,每天他来上班五小时,他会外出三四小时,剩余的工作时间非常有限。每天也不提交代码,团队发现不对劲了,开始逼迫他提交代码,才发现,原来他不会 git push,然后他把项目文件压缩,传给其他同事,然后让其他同事帮他上传 github。我们开始对他的项目进行 review,发现其中一大片都是其他项目的代码拼凑的,根本和现在的项目没有任何关联,和当前项目有关的代码非常少。完成的页面非常少。

 

后续几天发现他对接一些简单的 http 接口都困难重重,域名和 IP 地址都分不清,返回的数据结构也不会查看,对接接口的工作进行不下去。期间团队有关于防御攻击的讨论,他说网页才会被人拿到网址,就会被攻击,APP 一点就开,别人看不到网址和接口,应该不会被攻击,我们说抓包就可以了,他表示完全没听过。 

他的这些行为这让我们感到困惑,也意识到之前没留意的一些问题。之前和他讨论技术问题,他会闭口不谈,说用户不关心用什么技术,只关心稳定,没有 bug 就好了。之所以不讨论技术,是因为之前的同事没文化,一说技术对方就认为被看不起,就骂人要打人,所以不谈技术。现在回想起来,是不是他害怕露馅才不参与我们技术人员的讨论。

 

这位同事还说我们工资上限低,才 30,上家公司给他 35,还希望提前一个月转正,底气十足,我们觉得不可思议。这件事挺荒唐的,团队中有这样的情况发生,过于信任同事的推荐了,以后应该要加强面试审核流程了。不然耗费的时间精力成本都是巨大的。

 

来了个月薪 30k的新同事,简直是个奇葩

 

补充:


关于追责推荐人,感觉有点不合适,毕竟是也是为了给团队推荐人才,如果追责的话,以后其他人员真遇到优秀人才,会避免麻烦不敢推荐。


目前这位老哥还在试用期,还在观察,尽可能发掘优点,看看是不是我们遗漏了什么。


真实发生的事,故事我都编不出这么荒诞的故事。。。

另外我的描述倾向于客观描述,主要原因是担心我个人独自看待这个问题的时候带入太多个人情绪,会导致我对这个现象出现认知偏差和偏见,所以才想让大家看看,对这样的现象是怎样的看待。

你们身边有没有什么奇葩的人和事,真的很好奇啊!

内容概要:本文围绕“基于分布式模型预测控制的多个固定翼无人机一致性控制”展开,利用Matlab代码实现相关算法的仿真,旨在通过分布式控制策略实现多架固定翼无人机在复杂动态环境中的协同飞行与一致性控制。研究结合模型预测控制(MPC)方法,构建适用于多无人机系统的分布式优化框架,重点解决了通信受限、信息延迟及无中心化指挥条件下的协同稳定性问题。内容涵盖固定翼无人机的动力学建模、分布式MPC优化求解机制、一致性协议设计、通信拓扑结构分析以及仿真验证全过程,确保多机系统在保持队形一致的同时完成协同任务。; 适合人群:具备自动控制理论、无人机系统建模或多智能体协同控制基础,从事智能无人系统、集群控制、自动化与机器人等领域研究的研究生、科研人员及工程技术人员。; 使用场景及目标:①应用于多无人机协同编队飞行、集群侦察、分布式任务执行等实际工程场景;②为分布式MPC算法在多智能体系统中的一致性控制提供可复现的Matlab仿真案例,推动先进控制理论向工程实践转化;③服务于科研论文复现、算法验证、控制系统课程设计与毕业课题参考。; 阅读建议:建议读者结合文中提供的Matlab代码逐模块运行与调试,重点关注分布式MPC在不同通信拓扑下对一致性收敛性能的影响,并可通过调整预测时域、权重矩阵与噪声参数等方式深化对算法鲁棒性与适应性的理解。
内容概要:本文提出了一种基于变分模态分解(VMD)、麻雀搜索算法(SSA)优化与长短期记忆网络(LSTM)相结合的光伏功率预测模型(VMD-SSA-LSTM),旨在提升光伏发电预测的精度与鲁棒性。该方法首先利用VMD对原始非平稳光伏功率序列进行自适应分解,获得一系列具有更稳定特征的本征模态分量(IMFs),有效降低数据复杂性与噪声干扰;随后引入麻雀搜索算法(SSA)对LSTM网络的关键超参数(如学习率、隐层节点数等)进行全局寻优,克服传统试凑法效率低、易陷入局部最优的问题,显著提升模型收敛速度与泛化能力;最后,构建多个LSTM子模型分别预测各模态分量,并将结果重构得到最终的光伏功率预测值。该混合模型充分融合了VMD在信号预处理中的优异分解性能、SSA在参数优化中的高效搜索能力以及LSTM在捕捉时间序列长期依赖关系上的强大建模优势,实现了对复杂气象因素影响下光伏出力波动的高精度拟合与预测。; 适合人群:具备一定电力系统、能源发电或时间序列预测基础知识,熟悉MATLAB编程环境,从事光伏功率预测、智能电网调度、可再生能源集成、负荷预测等领域研究的科研人员、工程技术人员及高校研究生。; 使用场景及目标:①应用于光伏电站的短期与超短期功率预测,为电网安全调度、电力市场交易、储能系统配置及需求侧响应提供精准数据支撑;②解决传统单一预测模型(如ARIMA、BPNN、单一LSTM)在处理非平稳、强波动性光伏数据时存在的精度不足、稳定性差等问题;③为风电、负荷等其他非平稳时序预测问题提供一种有效的“分解-优化-预测”混合建模范式与技术实现路径。; 阅读建议:建议读者结合文中提供的完整MATLAB代码,深入理解VMD信号分解、SSA优化算法流程及LSTM网络构建的每一个技术环节,通过实际历史数据进行模型复现与对比实验(如与VMD-LSTM、SSA-LSTM等模型比较),掌握参数调优技巧与模型性能评估方法,从而真正掌握该先进混合预测模型的核心思想与应用精髓。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值