影石日常实习ai开发二面-夯爆了

这个部门是做 AI Coding 的，应该属于对 Agent 理解最深的那帮人之一，整体氛围感觉挺好的。跟大家分享两个有意义的开放性问题。第一个问题：AI Coding 在你开发里占比多少？还有什么代码是手写的？我直接说接近 100%，老实说真的很少古法编程了。复杂方案设计这块，我脑子里先有一个 idea，然后和 AI 讨论方案优劣，反复 debate 之后收敛。AI 能很快枚举出我自己没想到的边界情况，最后出来的方案比我自己想的更成熟。功能实现就更不用说了，需求描述清楚之后交给 AI，我偶尔给点技术选型的建议，但从不古法编程。Bug 排查也是，我提供上下文，比如日志、报错、复现路径，有时候甚至上下文都让 AI 自己去获取，然后它来定位和修复，顺便帮我验证。面试官说他们做 AI Coding，首先要求的就是候选人积极拥抱它——如果其他朋友也面这个部门的话可以注意一下。然后话锋一转，来了第二个问题。第二个问题：不担心编码能力退化吗？不怕失业吗？我说我一点都不担心。第一，不写不代表不懂。核心逻辑我一定会 review，比如架构合不合理，这些判断力不会因为不亲手写就退化。第二，技术本身就一直在往更高抽象走。我一直在想，从汇编到 C 到 Python，开发者离底层越来越远；开车从手动挡到自动挡，也没人觉得这是能力退化。AI Coding 本质还是代码的又一次高层抽象。第三，与其焦虑不如行动。AI 减少岗位是必然的，但我选择做最早适应的那批人——不是盲目乐观，而是至少比抗拒的人多一些缓冲时间。整体感受：这个 leader 问的基本都是这种开放式问题，聊的过程中感觉氛围挺好，对 AI 的接受度也很高。想做 AI Native 产品的同学可以冲。面试的时候如果问到是否还古法编程，得注意一下回答方式了。

第一个是本地知识库问答。把自己的笔记、PDF、文档喂给模型，做一个能检索能问答的系统。技术栈就是LangChain加向量数据库，难度不高但涉及RAG全流程，面试官最爱问这个，你踩过坑就能聊很久。第二个是Agent自动化工具。找一个你自己真实的重复性工作，让AI帮你自动完成。比如自动抓招聘信息整理成表格、自动总结每天的技术新闻发到邮件。场景越真实越好，面试时说这个工具我自己每天在用比任何包装都有说服力。第三个是模型微调。找一个垂直领域的开源数据集，拿Llama或者Qwen跑一次LoRA微调。不需要效果多好，重要的是你走通了训练评估部署全流程，这个经历很少人有，写进简历直接拉开差距。这三个项目有个...

大佬们可以看一下孩子的简历嘛，已经被各种花式挂掉了😭😭😭

一、面试真题汇总（分模块） （一）项目深挖专项提问 （二）Java基础核心提问  Java的基本数据类型包含哪些？总共有几种？ == 和 equals 有什么区别？ StringBuffer 和 StringBuilder 有什么区别？哪个执行效率更高？ 面向对象的三大特性是什么？ 接口和抽象类有什么区别？ 接口里可以有默认的实现方法吗？JDK8及以上版本的接口能不能有自己的方法实现？ ArrayList 和 LinkedList 有什么区别？ HashMap的底层实现是什么？Java里有没有线程安全的Map实现？  （三）多线程与并发编程提问  你有接触过线程开发吗？Java中创建线程的方式...