一、AI 测试的分水岭 从“使用”到“治理”现在市面上的 AI 测试落地尝试，基本分两个流派。一派是把 Claude Code 当外包小弟，人写提示词，它出脚本，人再复制粘贴到框架里。看起来快，实则返工率高得惊人。因为每一轮对话都是独立的，没有版本约束，没有上下文锁定，出问题只能从聊天记录里翻证据。 另一派，已经开始用交付流水线的思维治理 AI。不再把 Claude Code 当成一个聊天窗口，而是当成流水线里一个“生成步骤”。这个步骤有固定的输入源、参数化模板、审批节点、质量阈值，跑完自动进入下一环节。后一种做法的核心已经不是“用 AI”，而是把 AI 输出变成可治理的资产。这就是 Harn...

该咋投递啊还，boss上几乎没人理，简历咋能优化一下。

自我介绍项目1介绍项目用户画像是什么？MCP 和 Function Calling 的区别，以及各自适应场景LLM 出现幻觉的原因、怎么解决项目2介绍项目JavaConcurrentHashMap 的原理偏向锁、轻量级锁、重量级锁CAS 在使用过程中会出现什么问题线程池工作原理MySQLMVCC 实现原理读已提交和可重复读的 MVCC 中的区别MySQL B+ 树索引的实现主键索引和非主键索引的区别Redis数据结构有哪些Redis 为什么快缓存穿透和雪崩问题，解决方案Redis 如何做分布式锁算法题环形链表 II