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：【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

“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。

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...

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

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”……

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...

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

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！！！

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

自己平时基本上天天和AI打交道 （最近用gemini用到手软），但发现ai领域很多信息噪音太大，这个噪音主要来自两类，一方面大多媒体在向公众宣传产品的时候，往往带有软广和对流量的追求，不能足够冷静地去介绍这个产品能够解决使用者哪些实际的需求；另一方面，信息来源良莠不齐，只关注某一个产品一时一地的动态，这就好比盲人摸象，不能够让信息的获取者（也就是获取信息的我们）获取这个产品的全貌，我浏览完这些信息的时候，总会感慨，信息太多，但是和我实际想get到的（他的会员订阅机制，他的实际功能，他实际的优缺点）还有些差距。想找点真实的数据很难，索性就和产品老哥（亲哥）还有一位资深开发历时好几个月搓了这个工具。目前产品还在内测阶段，0.01交个朋友开放给豆瓣的朋友们1. 一句话介绍在这个AI产品满天飞的时代，拒绝看公关稿和虚假繁荣。这是一个能帮你一键查询全球上千款AI产品真实生存状况 （营收、融资、商业模式）的调研工具，主打一个“去伪存真”。2. 项目亮点（只说干货）深挖未公开数据 ：不仅是产品列表，更核心的是聚合了许多未公开的融资背景 及流量数据 。商业模式拆解 ：针对 C端/B端 不同产品，分析它们到底靠什么赚钱（Subscription/API/Enterprise等），不再盲目跟风。全景覆盖 ：收录全球热门及潜力AI应用，从也是刚起步的独立开发产品到独角兽，一网打尽。（持续更新）移动端适配 ：小程序即用即走，蹲坑/通勤路上也能随时捕捉商业灵感。3. 适用人群独立开发者/数字游民 ：想做AI产品但没方向？来看看别人是怎么验证需求并赚到第一桶金的。产品经理/投资人 ：需要快速做竞品调研或赛道分析，省去海量搜索时间。AI 爱好者 ：单纯好奇，想看看现在的 AI 到底都在干啥，哪些是真火，哪些是虚火。4. 开发者碎碎念后端和数据清洗做得比较辛苦，前端UI可能还有点“直男风”，觉得好用的朋友们，求个赞；觉得不好用的，评论区求轻喷，我在线改 Bug！5.直通车🚗小程序直达：https://wxaurl.cn/t1hGpi4KQMn或者扫最后一张图的码也🉑

dddd  

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

是时候拿出这张网图了  

叽里咕噜了半天，结果还是错的ai的准确率还得在加强啊。以前如果说答案有问题，它可能会生成另一个答案，现在好了，改了三次依然还是原答案……用豆包做行测的话准确率好像也不高，语言理解20道题如果复杂点儿的也只能对12道左右