- 博客(7)
- 收藏
- 关注
RSS订阅原创 AI应用开发面试八股文：从Transformer到Agent架构全解析
RAG（Retrieval-Augmented Generation）= 检索增强生成用户Query → 向量化 → 向量检索 → 获取上下文 → Prompt组装 → LLM生成关键组件：文档处理：分块（Chunking）、清洗、元数据提取Embedding模型：将文本转为向量表示向量数据库：存储和检索向量（Milvus、Pinecone、Chroma）重排序（Rerank）：对检索结果二次排序Prompt工程：上下文注入和指令设计AI Agent = LLM + 记忆 + 工具 + 规划。
2026-07-16 23:07:17
503
原创 Java+AI大模型实战面试：从Spring AI到RAG高并发优化，候选人被问得汗流浃背！
现在的大模型应用开发，会调个 API、写个 Prompt 就敢叫“AI 工程师”了？今天这场面试，我们来扒一扒那些只懂跑 Demo，不懂工程化落地的“水货”候选人。面试官老李喝了口保温杯里的枸杞水，看着对面的候选人。候选人简历上写着花名“秦始皇”，据说是因为立志要统一公司的技术栈。“秦始皇你好，我们直接开始吧。看你简历上写了精通 Java 后端和大模型应用开发，那我们就结合我们目前的来聊聊。”老李翻开简历，直入主题。
2026-07-04 18:08:25
232
原创 Java后端转型AI大模型开发：一场刺穿“Demo经验“的硬核面试
秦始皇（做最后挣扎）：可以看日志？然后……做个用户满意度调查？Q（放下笔，看着秦始皇）：日志是最基本的。但生产级的AI系统需要完整的可观测性体系Trace链路追踪：一次用户对话，经历了哪些步骤——Prompt构建 → 向量检索 → Rerank → 大模型推理 → 工具调用 → 结果组装，每一步的耗时、Token消耗、中间结果都要记录下来。你用过LangFuse、LangSmith或者Phoenix这类LLM可观测性平台吗？质量评估：不能靠人工一条条看。需要用。
2026-07-02 23:47:56
248
原创 面试官：谢飞机，你这水平也敢来面大厂？
GC 啊，有 Young GC、Full GC，还有……：哎呀，您好您好……：synchronized 是关键字，ReentrantLock 是类……：ArrayList 是数组，查得快？| 插入/删除 | O(n)（需移动元素） | O(1)（只需修改指针） |？like 开头是 % 就失效，还有函数操作、类型转换。：堆、栈、方法区……堆里放对象，栈里放局部变量，方法区放类信息？| 特性 | ArrayList | LinkedList |？| 随机访问 | O(1) | O(n) |
2025-11-18 14:12:52
372
原创 谢飞机面试记：Java大厂面试官的三轮灵魂拷问
面试不仅是知识的考察，更是对技术深度与业务理解的综合检验。谢飞机虽能答出皮毛，但缺乏底层原理与实战经验，终难逃“等通知”的命运。建议读者夯实基础，深入源码，方能在大厂面试中脱颖而出。
2025-11-18 14:03:50
262
2原创 基于源码的Spring学习——Spring启动流程
Spring的启动过程较为繁琐，整个容器启动的过程主要就是对bean的管理以及一些事件发布、国际化、类型转换，并且框架给每个类和接口都分配了对应职责，通过继承和实现将这些功能整合起来，比如启动类AnnotationConfigApplicationContext以及默认bean工厂DefaultListableBeanFactory，我觉得学习Spring框架更重要的还是学习它如何合理地去设计框架，后续我也准备更深入地分析探讨各个类和各个接口的作用和职责，也是想更好地去了解它使用它。
2023-11-01 15:52:10
218
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人