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...

怎么改改啊😭

自我介绍如何解决大模型幻觉？问题2中说到了模型的微调，面试官问对模型微调那些算法了解吗？项目的skills是怎么实现的？你是怎么写skills的？Spring AI框架的skills调用更像Claude Code还是其他Harness agent？你说看过Claude源码，Claude Code学习经验总结？Claude Code是给模型用grep检索，没有用RAG检索，这俩有什么区别？为什么没用rag？讲讲RAG的混合召回url解析过程tcp三次握手、四次挥手mysql的数据结构，讲讲B+树Spring的控制反转、AOP你平时用什么做ai coding？