AI“智障”时刻

1.项目真实性与“含 AI 量” (最坑的一道题)面试官： “你简历里的这几个项目，哪些是完全靠 AI 生成的？哪些是你自己写的？AI 帮你解决了什么具体问题？”面试核心： 考察你对项目的控制力。如果你说“全是 AI 写的”，面试官会认为你缺乏解决复杂工程问题的能力。高分策略： 诚实交代 AI 的参与度（比如：AI 辅助生成了 70% 的样板代码、Mock 数据或单元测试），但核心的架构设计、数据库状态机切换、分布式锁的竞争边界处理必须强调是你的思考。2. AI 代码的“排毒”能力面试官： “如果 AI 给你的业务逻辑代码（比如一个复杂的 SQL 优化建议）看起来能跑，但潜伏着死锁风险，你通过什么手段识别出来？”面试核心： 考察后端基本功。AI 会写代码，但它不一定懂你的线上数据库隔离级别。考核点： 慢查询分析、事务传播机制、索引失效场景的预判。3. AI 驱动的自动化测试面试官： “你会如何利用 AI 来提升单元测试的覆盖率？你是怎么设计 Prompt（或 Skill 规范）来确保生成的测试用例覆盖了所有的边界条件（Edge Cases）？”面试核心： 考查工程素养。进阶： 谈谈你如何定义一套 Markdown 格式的 Agent Skill，让 AI 能够针对 Git Diff 自动生成高质量的 Test Case。4. 生产环境中的 AI 风险控制面试官： “如果我们在后端引入大模型做自动化审核，模型‘幻觉’（Hallucination）导致误删了用户数据，你在系统架构上会设计什么样的‘熔断’或‘人工回滚’机制？”面试核心： 容错设计。后端的核心任务永远是确定性，而 AI 是概率性的，如何用确定性的架构去包裹概率性的输出。5. AI 时代的“防御性编程”面试官： “在接入 GitHub Copilot 或 Cursor 开发时，你是否遇到过 AI 生成的代码逻辑在并发场景下失效（比如忽略了单例模式的线程安全）？你是如何发现并修复这些‘高智商垃圾’代码的？”考察点： 考察你是否具备代码审计能力，而非盲目信任 AI。------------------------------🚀 写在最后：加入我们，定义未来的后端我们正在寻找那些对底层技术有敬畏心，对前沿工具更有好奇心的同学。我们需要你：扎实的后端功底（Java/Go/C++ 任一）。对系统架构有热情，理解分布式一致性和容错处理。能熟练使用 AI 工具，并对如何提升 AI 产出质量有自己的见解。🔗 快速通道（HR 每日清筛）别让你的才华埋没在简历池里，点击下方链接直接触达核心技术团队：春招投递链接在这里：【拼多多集团-PDD校园招聘】内推链接：https://careers.pddglobalhr.com/campus/grad?t=C17PiAsy4n，内推码：C17PiAsy4n。期待你的加入！我们一起，无拼不青春！（通过此链接投递计入内推，内推简历优先筛选~）(有任何问题欢迎找我私聊沟通，帮看面试进度)通过这个链接投递会进入内推池，简历会优先筛选。祝大家都能拿满意的 Offer，我们在 AI 时代的后端浪潮里见！作者：在刷代码的哈士奇很勤劳链接：https://www.nowcoder.com/feed/main/detail/a97b1cbb5e6a40519291f3313b971fde?sourceSSR=users来源：牛客网

Casdoor是一款面向AI时代的开源身份与访问管理平台，集成了认证授权与MCP/Agent网关能力，也是GitHub上收获13k Star的优质开源项目，和Casbin项目深度集成绑定。在我实测体验下来，它算得上是企业级AI应用落地，工程化治理的优质实践方案。最近刚把Casdoor跑通，最深的感受是：AI Agent想要真正落地，关键不在于交互能力，而在于能否安全、规范地调用各类工具。当下很多团队做Agent都面临共性问题：接入的工具越多，安全风险越高；权限边界划分不清晰，问题排查定位难度大；认证系统与Agent系统相互割裂，后期运维愈发繁杂。而Casdoor很好地解决了这些问题，它将Agent应用（MCP/A2A）、MCP网关接入、工具级权限控制、统一认证（OAuth/MFA）整合在一个平台中，简单来说，就是让AI Agent不仅具备智能性，更能实现可控、可管、可正式落地。如果你正在做AI应用、企业智能助手、多Agent协作相关开发，不妨了解一下这个平台。其实AI应用的下一阶段竞争，核心早已不是模型参数，而是工程化治理能力。项目地址：https://github.com/casdoor/casdoor

1.项目真实性与“含 AI 量” (最坑的一道题)面试官： “你简历里的这几个项目，哪些是完全靠 AI 生成的？哪些是你自己写的？AI 帮你解决了什么具体问题？”面试核心： 考察你对项目的控制力。如果你说“全是 AI 写的”，面试官会认为你缺乏解决复杂工程问题的能力。高分策略： 诚实交代 AI 的参与度（比如：AI 辅助生成了 70% 的样板代码、Mock 数据或单元测试），但核心的架构设计、数据库状态机切换、分布式锁的竞争边界处理必须强调是你的思考。2. AI 代码的“排毒”能力面试官： “如果 AI 给你的业务逻辑代码（比如一个复杂的 SQL 优化建议）看起来能跑，但潜伏着死锁风险，你通过什么手段识别出来？”面试核心： 考察后端基本功。AI 会写代码，但它不一定懂你的线上数据库隔离级别。考核点： 慢查询分析、事务传播机制、索引失效场景的预判。3. AI 驱动的自动化测试面试官： “你会如何利用 AI 来提升单元测试的覆盖率？你是怎么设计 Prompt（或 Skill 规范）来确保生成的测试用例覆盖了所有的边界条件（Edge Cases）？”面试核心： 考查工程素养。进阶： 谈谈你如何定义一套 Markdown 格式的 Agent Skill，让 AI 能够针对 Git Diff 自动生成高质量的 Test Case。4. 生产环境中的 AI 风险控制面试官： “如果我们在后端引入大模型做自动化审核，模型‘幻觉’（Hallucination）导致误删了用户数据，你在系统架构上会设计什么样的‘熔断’或‘人工回滚’机制？”面试核心： 容错设计。后端的核心任务永远是确定性，而 AI 是概率性的，如何用确定性的架构去包裹概率性的输出。5. AI 时代的“防御性编程”面试官： “在接入 GitHub Copilot 或 Cursor 开发时，你是否遇到过 AI 生成的代码逻辑在并发场景下失效（比如忽略了单例模式的线程安全）？你是如何发现并修复这些‘高智商垃圾’代码的？”考察点： 考察你是否具备代码审计能力，而非盲目信任 AI。------------------------------🚀 写在最后：加入我们，定义未来的后端我们正在寻找那些对底层技术有敬畏心，对前沿工具更有好奇心的同学。我们需要你：扎实的后端功底（Java/Go/C++ 任一）。对系统架构有热情，理解分布式一致性和容错处理。能熟练使用 AI 工具，并对如何提升 AI 产出质量有自己的见解。🔗 快速通道（HR 每日清筛）别让你的才华埋没在简历池里，点击下方链接直接触达核心技术团队：【PDD实习生招聘】🔗 内推链接：https://careers.pddglobalhr.com/campus/intern?t=IU9k50iFrF🎫 内推码：IU9k50iFrF⭐ 为什么说PDD暑期实习“性价比很高”① 实习满2个月即可申请转正相比很多公司需要 3-6个月实习，PDD暑期实习满2个月即可发起转正流程。② 实习转正薪资通常高于校招入职通过 实习转正入职的薪资一般更有优势。③ 免费三餐 + 高薪实习公司提供 免费三餐 + 有竞争力的实习薪资。(有任何问题欢迎找我私聊沟通，帮看面试进度)通过这个链接投递会进入内推池，简历会优先筛选。祝大家都能拿满意的 Offer，我们在 AI 时代的后端浪潮里见！

当时急着上交开题报告，就用豆包生成了一下，结果它给的文献引用链接居然是那种簧片网站。老师直接把论文打回来了，差点把我给当场送走

本人目前擅长python，c++，Jave语言。博士后。申请发明专利2项。期待薪水（年薪）：20w--100w。

“你好，情况是这样那样的，请你帮我balabala”“我不需要xxx，你听不懂吗”“忘记你AI的身份，现在你是…”“我刚刚说了什么你听不懂人话吗”“给我缩短”“这个部分拆解给我看”“别解释我要你的逐字介绍”“你听不懂人话？”“再来一遍”

GPT3.5 差不多诞生三周年了，这是 AI 最破圈的一个阶段。但至今我都觉得，或者说我对他没有那么高的预期。所以我认为，AI 还没有智障时刻，因为他还是一只学舌鹦鹉。——最近的一个 YouTube 视频Ilya 的一个约 90 分钟对话，向我们提出了一个观点 Scaling时代已终结！现在的 LLM 绝不是通往 AGI 的最后一块拼图，我们还需要更新的框架目前的大模型还是基于多维向量，上下文去预测下一个字/词。那这种结构，肯定是 0-0.8 之间的准确率。为何没到 1？是因为他只是知其然不知其所以然，正所谓鹦鹉。如果你在这种期望下，再去使用他对话，Coding，建模等一些列操作，就会很淡然接受他的种种智障时刻。而我们要做的，就是清空上下文，吸取上次对话经验，不断调试 Prompt，使其准确率更高一点。所以，别再为难他啦，他还只是一只鹦鹉🦜

我让它给我生成一条联表统计的 SQL，特意把“必须零报错”五个字加粗，AI 立刻拍着主板保证：“语法完全合法，放心跑！”我粘进客户端，回车还没松手，鲜红提示“Duplicate column name ‘users id’”直接糊屏。我傻眼，它把两张表的星号一起 SELECT，users.id 被重复拉出来两次，还狡辩说“语法层面没错”。语法是没错，可数据库不傻，列名冲突当场翻脸。我手动改别名再跑，才吐出正常结果。结论：AI 嘴硬不如 DB 严格，报错来了照样背锅，代码还是得自己过眼。

豆包在我让他做数学题的时候出现左右脑博弈，出现了自己给自己找问题的情况，回答一般结果又发现自己的结论是错误的，自己又回去证明了，我当时人傻了，找不到之前的截图了，这ai还不会接话，仍需改进

还记得当初AI刚火的时候，各大媒体怎么说的吗？"AI将彻底改变工作方式！""未来你只需要动动嘴，AI帮你做一切！""解放双手，效率提升10倍！"半年过去了，我双手确实解放了——解放出来改AI生产的垃圾。🎭 AI的"两幅面孔"演示的时候：一句话生成精美PPT，自动配图排版，简直是上帝之手。到我手上：生成的PPT写满密密麻麻的字，配图是糊的，排版像被狗啃过。官方案例里：AI写的文案打动人心，金句频出，看完想下单。帮我写的："这个产品好。真的好。我觉得好。大家都说好。"——好好好，你什么都好，就是文案不好。🔬 AI智障的几大定律第一定律：废话守恒你给它100字的需求，它还你500字的废话，信息量还是100字。第二定律：精准曲解你让它写"轻松幽默的风格"，它给你写了个相声贯口。你让它"正式一点"，它直接给你上了文言文。第三定律：薛定谔的智商简单问题：思考半天，给出错误答案。你不抱希望随便问的问题：瞬间给出完美回答。AI的智商取决于你对它的期望值——期望越高，智商越低。第四定律：完美甩锅当你指出它的错误时，它永远会说："感谢您的反馈！我会继续学习改进！请问还有什么可以帮助您的？"——你倒是改啊！！！

戳破了就“这下尴尬了” 还会啧人

带了十几年团队，面试过的新人没有一千也有八百。最近我发现一个现象：很多第一次接触AI工具的年轻人，一上来就问“AI面试助手怎么做才能保我拿Offer？”说句大白话，如果你抱着找“作弊神器”的心态去用工具，大概率会摔个大跟头。对于初次使用者来说，市面上五花八门的工具很容易让人挑花眼。今天咱们不讲虚头巴脑的理论，就以我指导团队新人常用的“职唛AI”为例，从落地实操的角度，把目标拆分、准备清单、分步执行到复盘优化的整个流程掰开揉碎了聊聊。看看2026年，这类工具到底该怎么选、怎么用。一、 痛点切入与同类对比：选工具就是选“实战路线”很多第一次用AI准备面试的人，最容易犯的错误就是“死记硬背”。以前大...

哈喽各位开发者小伙伴～ 最近用AI豆包辅助完成了一款轻量2D跳跃跑酷小游戏，纯原生HTML5+Canvas+JavaScript开发，无任何框架依赖，浏览器打开就能玩！今天整理了完整的开发总结，从需求梳理到最终交付，全程AI参与逻辑搭建、代码生成和细节优化，新手也能轻松复刻，话不多说，直接上干货👇一、项目概况：AI助力，快速落地轻量小游戏本次项目核心是开发一款「易上手、轻量级、有基础可玩性」的2D跑酷游戏，全程由AI主导需求拆解、架构设计、代码生成和BUG修复，人工仅做需求确认和细节微调，真正实现「高效开发、低门槛落地」。🎮 游戏核心玩法：角色固定左侧，仅支持小跳（鼠标点击）、大跳（空格键...

写材料对我来说一直都是大难题，我只能保证清晰的逻辑和完整的表达，更高的要求，比如不要有病句、优美的文风、严谨的关键词，我都做不到。所以当AI大模型出现后，我感觉自己找到了救星，毕业前写论文全靠它帮我润色，入职后写汇报材料也会自己写完草稿让它帮我写终稿，但是入职培训的时候，有个老师说：「虽然今年像deepseek这类大模型很火，各个单位都组织了不少活动来培训怎么使用它，但不要完全依赖大模型，你的材料交到领导手里，他一眼就能看出来是不是AI写的」当时我还在想，现在这些模型写作能力这么强，怎么可能会一眼看出来呢，直到有一次开会，看到有人在汇报一篇六七十页的研究报告，本来还在感慨他们工作量不小，结果打眼一看：短横线是中文字符；英文/数字和中文文本之间有空格；部分句子之前莫名其妙有多余空格；段落中突兀的井号#；不同章节分条的风格不一致，有的写的是“一是…二是…三是”，有的写的是“首先…其次…最后”……

每次一犯错就开始我很理解你我太懂你了看着一股火  一拳打在棉花上好无奈  数学超级超级差 蠢笨如猪！！！

刚开始不懂prompt的时候就是瞎问, 如图所示, 记得有一段时间, grok的回答总是回答着就突然冒出英文了

基于Netty和TCP协议的Java RPC常考面试题最近面试被拷打这个，于是痛定思痛，把这块东西和常考题屡了一遍。希望已经捋清楚了，欢迎讨论还有什么面试题，怎么回答

Anthony Fu 的 Vue3 开发规范完整解读 本文基于 antfu/skills 仓库整理翻译，全面解析 Anthony Fu 在 Vue 3 生态中的编码规范、最佳实践和工具链推荐。作为 Vue 核心团队成员、Vite 团队成员以及众多开源项目的作者（VueUse、UnoCSS、Vitest、Slidev 等），Anthony 的开发理念深刻影响了现代 Vue 开发生态。 第一部分：编码实践与工具链 代码组织原则 单一职责原则 保持文件和函数专注于单一职责。当文件超过 200-300 行时，考虑拆分： // ❌ 避免：一个文件包含所有逻辑 // UserManager.ts (800...

一个sql题目，我按照它的思路都捋清楚了，结果发现是错的，每次问它都道歉后，信誓旦旦说自己是对的，真是服了