鼠鼠前段时间第一次面试的公司就oc了虽然是个中小厂，但是也很不错了继续努力

我们正处在AI的技术奇点——埃隆·马斯克2026首次访谈。 曾经，我以为即使AI指数级增长，但是看到网上各种舆论，没有多想的我，觉得AI还有一段不短的路要走，当然这是我思维没有介入的情况下的结果。但是昨天晚上，我突然坐了起来，我发现这不就是《因为当前的不成熟而否定未来的发展》吗？于是我起身，再次好好了解AI的发展趋势。 我发现，还是低估了AI的发展速度，这不是指数级增长，这是爆炸级增长，技术奇点，下一步就是大爆炸。 阿里这么强的公司，居然都宣布未来3年投入4000亿，ALL IN AI了，看来形势是很紧急了。（AI发展速度，答案来自于AI，但是个人觉得仍然保守，因为这是个加速度在增加的过程，而...

1. 智能数据分析管理系统◦ 前端：React/Vue3 + TypeScript 搭建，实现数据可视化（ECharts/Chart.js）、权限路由、表单校验；◦ AI 亮点：集成 ChatGPT API 做数据洞察，自动生成分析报告；或用 TensorFlow.js 实现前端本地数据预测（如用户行为趋势）。2. 智能文档管理系统◦ 前端：实现文件上传/预览/分类、拖拽排序、断点续传；◦ AI 亮点：接入 OCR 接口（如百度AI）提取文档文本，再用大模型做关键词提取、内容摘要、相似文档推荐。3. 智能客服工单管理系统◦ 前端：工单CRUD、状态流转、实时通知（WebSocket）；◦ AI 亮点：内置智能客服机器人，自动识别工单问题分类、优先级，减轻人工处理成本。简历加分关键点• 突出前端工程化：Vue3 + Vite + Pinia/React + Umi + Redux Toolkit、ESLint + Prettier、Mock 数据；• 强调AI 集成细节：接口调用逻辑、跨域处理、前端 AI 模型轻量化部署（如 TensorFlow.js 离线运行）；• 量化成果：如“支持 10 万级数据渲染不卡顿”“AI 分类准确率达 92%”。项目能同时覆盖前端基础、工程化、AI 应用三大核心考察点，面试时可从技术选型、性能优化、AI 落地难点多维度展开。

无手撕，毫无疑问kpi面，我估计没hc，项目什么都没怎么问，光速解决1.实习经历，项目经历，以及项目亮点2.项目里的缓存策略删除，比如有一个步骤失败了怎么解决3.MVCC4.Bean创建过程5.springMVC反问