周六滴普科技群面，4人，前端工程师助力实习生

平时干活的时候，觉得自己挺厉害的。线上问题排查，看一眼日志就能定位到是哪段代码；线程池参数调优，随手配个队列大小心里就有数；。跟同事讨论技术方案的时候，甚至能说出“我觉得这里用ConcurrentHashMap比HashTable合适”这种有深度的话。那一刻，觉得自己是个成熟的Java开发了，八股文？那都是新手背的东西。然后面试前一周，开始心虚了。先是刷招聘网站，看看人家都问什么。好家伙，JVM内存模型、垃圾回收器对比、CMS和G1的区别、synchronized和ReentrantLock的底层实现……看着这些问题，脑子里开始冒问号：CMS我好像用过，但它的具体流程是什么来着？synchronized锁升级的过程，我记得是偏向锁到轻量级锁到重量级锁，但每个阶段触发的条件是什么？然后开始翻收藏夹里吃灰的博客，翻《深入理解Java虚拟机》，翻自己几年前记的笔记。最诡异的是，这些东西每天都在用，但一旦要“讲出来”，就发现脑子里是一团浆糊。就像会骑自行车，但让我写一篇《论自行车平衡原理及其在复杂路况下的应用》，也能写，但就是觉得怎么写都不对。会骑，但你不太会“说”你会骑。面试前一晚，是这种焦虑的巅峰。本来打算早点睡，养足精神。躺下之后，脑子里开始自动播放八股文：JVM运行时数据区，堆、栈、方法区、程序计数器……等等，方法区在JDK8之后叫什么来着？元空间。好，元空间。那元空间和永久代有什么区别？用本地内存了。那为什么用本地内存？因为永久代容易OOM……就发现停不下来了。然后爬起来，打开电脑，把线程池那几个参数又过了一遍：corePoolSize、maximumPoolSize、keepAliveTime、workQueue、threadFactory、handler。默默背了一遍拒绝策略有哪几种，AbortPolicy、CallerRunsPolicy、DiscardPolicy、DiscardOldestPolicy。背完觉得还不够，又把ThreadPoolExecutor的执行流程在脑子里跑了一遍：先看核心线程数，再看队列，再看最大线程数，最后走拒绝策略。嗯，应该没问题了。以为可以睡了，但突然想起还有个“你遇到最难的问题是怎么解决的”没准备。这是最耗神的。得从记忆里翻出一件事，既要有技术含量，又不能显得太蠢，最好还能体现思考和成长。想了半天，想起来去年有个线上内存泄漏的问题定位了好久，最后发现是第三方SDK的bug。但这个故事讲出来，会不会显得只是运气好？或者显得团队的基础设施不行？开始纠结措辞，在脑子里反复排练：当时现象是这样，我第一反应查了哪些指标，然后怀疑是哪里，最后怎么验证的，怎么解决的，事后做了什么复盘……等你想好怎么说，一看时间，凌晨两点。想着明天随缘吧。但躺下之后，心跳有点快，脑子里还在过HashMap的put流程。第二天去面试的路上，还在默念：红黑树，阈值8和64……念着念着，突然想笑：我天天写代码，什么时候用过自定义红黑树？面试前的这种“token消耗”，其实不是因为不会，而是因为太想证明自己会。怕答不上来，怕被问住，怕一个闪失就错失机会。但说实话，面试本质上是个沟通的过程，不是八股文背诵大赛。该失眠还是失眠，该背还是得背。

奇怪，码全科技26届春招笔试这么多人，没看到一个发面经的？

怎么防prompt 注入MCP a2a区别auto gen怎么让用户打断进程一些langgraph的实现为什么要用langgraph，langchain也能实现怎么做query怎么意图识别这个项目体现了什么范式思想答的还行进二面了但是感觉我跟 hr 说话有点墨迹...

整体面试还是不错的，但是没后续了，不知道是哪里出了问题1. 项目拷打2. 你们从 PRD 到 design.md 这一层，是怎么保证“需求不丢失”的？AI 自检具体是怎么做的，有没有误判的情况？3. 你刚才提到“需求-代码映射”，能不能举一个具体例子，说明你们是如何做到精确定位到某个文件甚至某一段逻辑的？4. 你们的 tasks.md 拆分粒度是怎么控制的？拆太细和拆太粗分别会带来什么问题？5. 在 Multi-Agent 协作中，状态是怎么传递的？是靠文件、内存还是某种中心化状态管理？6. 你们有没有遇到 Agent 之间“决策冲突”的情况？比如设计和代码生成不一致，是怎么解决的？7. 你们为什么选择“技术方案驱动”，而不是直接让 AI 从 PRD 出码？8. 你们 `.catpaw/rules` 这套知识库，和像 OpenClaw 这种基于 RAG 的 memory，有什么区别？9. 如果知识库内容过多，AI 也会有上下文压力，你们是怎么做裁剪或者命中的？10. 你们有没有做 embedding 检索？11. 如果知识库里的内容是错的或者过期了，会不会对 AI 产生误导？你们怎么治理这个问题？12. 在一个非常大的存量项目里（比如几十万行代码），你们是怎么让 AI 快速理解项目结构的？13. 你们现在 AI 出码留用率是 50%+，那剩下 50% 主要问题出在哪里？14. 在复杂业务场景下，AI 出码质量下降，你觉得是什么问题？15. AI 有没有出现过“看起来对，但其实逻辑是错的”这种情况？16. 你们有没有做过代码 diff 级别的控制，比如限制 AI 修改范围？17. 你们基于 Playwright 做自动化测试，那测试用例是怎么保证覆盖率的？有没有评估指标？18. AI 自动修复 bug 的成功率大概是多少？有没有出现过“修复引入新 bug”的情况？19. UI 偏差这种问题你们怎么检测？20. 如果测试通过了，但业务逻辑是错的，这一层你们怎么解决？21. 你刚才说整体效率提升 20%，这个数据是怎么统计的22. AI 代码量提升很多，那你怎么评估“有效代码”和“冗余代码”的比例？