AI Coding再强，本质是在“训练AI”。你喂它数据、调它参数、给它反馈，它才能变聪明。但我呢？如果不刷题，我怎么提升自己？刷题不是跟AI比赛写代码，而是训练“计算思维”。拆解问题、识别模式、选择数据结构。这些能力AI可以模仿，但帮我拥有。我需要判断“这段AI生成的代码能不能上线？”。

AI Coding确实火，但我觉得它终究是提效工具，不是替你思考的“外挂”。代码它能写，可一旦你连思路都没有，连从哪下手都不知道，AI也帮不了你——你总得先告诉它“我要做什么”吧？AI生成的代码中存在逻辑或安全缺陷，需要开发者具备识别和修正能力。也就是说，如果你自己不懂，连AI的错都看不出来。自己的技术还是要提升，至少别砸了饭碗。刷题不是为了背答案，是为了训练拆解问题的思路。就像断点调试，你得先知道哪里可能出问题，才能下断点。

背八股最怕死记硬背，一追问就露馅。我的方法是：把简历扔给豆包，让它模拟面试官。它会根据我的水平，问一些“这个阶段应该掌握”的问题。比如我写了“用过线程池”，它就追问“核心参数怎么设？拒绝策略选哪个？”这些在我真实面试中还真被问到过。我还会自问自答，再让它纠错：哪里讲得啰嗦、哪里漏了关键点。主动学习的效率比被动更高，记得更快更牢固。

八股文里那些知识点，很多在开发中确实用得到。比如线程池参数、HashMap的扩容机制。写代码时可能已经用对了，但面试官一问“为什么这么设”，突然就卡壳了。如果只是“用对了但讲不清”，那还是准备准备——不用全背，至少把关键术语和逻辑串起来。但如果你真的理解透彻，比如能从JVM层面讲透内存模型，或者能结合线上事故复盘说清楚为什么选这个方案，那也可以不背八股，直接描述开发场景。面试官也是工程师，听得懂真功夫。能结合项目讲出“为什么”的候选人，通过率应该更高吧

我会结合豆包这类AI工具，不是让它给我标准答案，而是问“这个知识点在实际开发中是否真的会用到？”“这个知识点我应该掌握到什么程度”“它和另一个概念有什么区别、怎么串联”。比如背HashMap，我会追问“什么时候用LinkedHashMap”“ConcurrentHashMap在1.8前后实现有什么不同”“为什么实际开发中我很少见到redis的淘汰机制”“为什么我实际开发中没有自己手动调节过JVM”。把这些关联起来，面试官再怎么追问，你也能从“点”扯出一张“网”。死记硬背是孤立存储，追问一换角度就卡壳；而理解性记忆是网状结构，无论从哪个节点切入都能顺藤摸瓜。

八股文是面试的“基础题库”，尤其对于学历不占优、经验尚浅的Java新人，它是少数可控的得分项。但如果一家公司从一面到终面全是八股，不问项目、不聊场景、不谈设计，往往意味着技术栈陈旧、业务简单、对工程能力要求低。有学历、有技术、有选择的人，确实没必要去。但如果你暂时没得选，那就把它当跳板。无法选择的时候可能是最好的选择，哈哈。

都说外包面试只背八股，但最近面了几家保险相关的岗位，发现画风已经变了——八股还是必答题，但只背八股已经不够用了。面试官会追问：“限流底层用的是令牌桶还是漏桶？为什么选这个？”“Redis过期时间你是怎么评估的？有没有考虑内存淘汰策略？”“多轮对话的上下文你存在哪？如果内存满了怎么办？”这些问题已经跳出八股框架，直逼项目细节和落地能力。一入外包深似海，从此自研是浮云？。八股文是门票，项目已经成了硬通货了。

有些公司已经next level了，但银行外包的Java面试，依然停留在八股文的黄金时代。这不是调侃，是现实。当大厂开始考AI协作、考系统设计时，银行外包的非核心部门还在问：“HashMap和Hashtable有什么区别？”“final、finally、finalize的区别是什么？”这些问题本身没错，但如果你只准备了这些，会发现面试官对项目细节几乎不深挖。对于学历不占优、只能从外包起步的Java新人--我，银行外包反而成了一个“友好入口”——八股文是可控的，只要肯下功夫，就能过筛。虽然过程枯燥，但至少比那些问了一堆场景题然后挂掉的公司，多了一点确定性。原因也很现实：非核心部门的技术栈相对稳定，业务复杂度低，面试官更关注候选人“有没有背过”而非“能不能解决复杂问题”。

最难的不是被拒，是被拒之后还要假装没事地刷下一道题。AI说2025年Java初级岗位竞争比高达15:1，平均投递38份简历才换来1次面试机会，面试通过率只有18%，创三年新低。这意味着，我不是一个人卡壳——大部分人都在这条漫长的流水线上反复被打捞又沉底。投简历像在写一个不确定的循环，每次提交都忐忑：这次能不能进下一轮？准备像在堆技术债，面试官问一个不会一个，一边焦虑一边补。AI工具的使用几乎成为每场面试的必考题。从“会不会写代码”转向“能不能理解底层逻辑、用AI提效赋能”。面试官会问你平时用什么AI工具、怎么用它排错、AI写的代码你敢不敢直接上线。这已经不是加分项，是默认项了。我还是上一个阶段，市场已经next level了。

没工作的时候，你像在本地调试——没有并发压力，没有线上告警，代码怎么写都行，但你知道这不算“真上线”。烂工作就是把你扔进生产环境：日志不完整、依赖不稳定、半夜被叫起来修Bug。难受吗？难受。但你也因此学会了“真本事”怎么在烂环境里找问题、怎么在没文档的时候读代码、怎么在领导施压下保住心态。不是烂工作值得感谢，是那段“被迫上线”的经历，逼你提前完成了环境适配。不是“吃得苦中苦”，是“吃不了也得咽”。你只是在那段时间，把咽不下去的硬吞了。等缓过这口气，再跑完全来得及。

有钱谁愿意接烂活儿？但刚出社会的Java新人，钱包比内存还空，没得选。烂工作从来不缺人——就像过时的框架，性能再差，只要还能跑，就有人被迫维护。领导不友好？团队氛围像死锁？没事就要求加班，没需求硬编需求也不让走？这些都不是“Bug”，是这家公司的“原生特性”。因经济压力接受“将就岗”。不是不想挑，是房租和外卖账单不等人。写的每一行代码都像在堆技术债——知道迟早要重构，但眼下只能先让它跑起来。烂工作教会你的不是技术，是看懂“哪些坑值得跳，哪些坑必须躲”。等攒够资本，你自然会git checkout -b better-job。

电影里不是都会说AI最后替代人工，生成了真实的情感。网上的博主发手搓的机器人有微表情，有喜怒哀乐，有的人说是博主写的程序设置的，有的说机器人偷偷的看人了，表情里带着不屑。但是看了视频感觉背后一寒。恐怖谷效应，确实还挺可怕的，但是应该不是真实的感情吧，哈哈哈，要是有真实情感的话，没准啥时候就真的给人代替了

现在好多公司都开始研究AI，我接触的不深，只是浅显的使用和调用一些公司的大模型。实际开发大模型或者参与研究我没有过，不是太懂，AI对我来说就是一个辅助工具，作为辅助工具确实是很好用的，但是未来是不是真的可以代替人工呢？我不太清楚至少现在我使用的时候，还算好用，但也不是非常好用。不知道是不是公司引入的大模型花钱少了，给我写单元测试的时候，有点不太行。好点的，修改修改就能用了，有的基本上就不能用。是不是我们公司的引入的大模型不行？

最近公司裁员，我就是那天选之子。被动选择就是最好的选择，付出权力，努力再找一份工作，对下一个工作的期待值很高，打算先努力准备半个月，薪资涨涨、福利待遇涨涨。努力吧，卷不死就往死里卷。都是苦命人，不会有人那么命好，可以不用工作的。