双非，Java后端，26届，春招基本结束了，拿了个小厂offer。把踩过的坑总结一下，希望后来人别重蹈。 坑1：网申填表没用工具，全靠手动 前期完全手动填每家的网申表，有的表单巨长，什么父母信息、家庭住址、在校成绩单每门课都要填，一张表填40分钟都有。 后来朋友说牛客有个网申助手插件，信息录进去，各家官网表单自动填。装完之后悔恨了很久，早用能省十几个小时的体力活。现在还在投的同学，直接搜"牛客网申助手"装一下，免费的。 坑2：投递开始太晚 2月中才开始大规模投，其实1月就有公司陆续开放了，等到三月再投，很多坑位已经满了，有些公司甚至已经停止接简历。 坑3：只盯大厂，没有保底...

感谢沉默王二，星球的八股和项目帮助我顺利拿下offer!向牛牛们安利，性价比无敌。面经分享：五面腾讯，实习提前批1.15 pcg一面 非常抽象，全程共享屏幕看我的项目代码，现场进行增加功能，最后idea手写2个线程池，进行通信1.20 pcg二面 也非常抽象，中间共享屏幕，画kafka集群架构，边画边讲解，各个环节出问题怎么应对。 共享屏幕去github看mysql源码，让我讲。聊了特别多人生观，价值观，学习方式等等 最后让我写了一个比较简单的算法题，全程100分钟。提前批1.27一面 同事1.聊聊spring cloud体系2.spring mvc的流程3.分布式锁的实现方式，还有什么其他的实现方式4.直接写过原生lua脚本吗5.秒杀系统，怎么实现的?流量怎么控制的6.kafka兜底这一块怎么实现7.幂等表具体怎么实现的8.kafka发送数据写任务表，是发送前写还是发送后写9.怎么保证消息一定发送成功10.哪里用到了分布式事务11.java线程池，线程池参数12.你项目中哪里用了?怎么设置参数的，依据是什么13.聊聊threadlocal（我结合项目，顺便聊到了inheritablethreadlocal，transmittablethreadlocal）14.threadlocal存在的问题，原因15.spring事务，失效的情况，事务传播16.项目中ai这一块怎么实现的17.ai驱动项目，ai干活18.git这一块，了解吗，常见命令19.tcp和udp20.tcp握手可以是两次吗，四次吗？21.数据库底层结构22.sql比较慢，怎么处理?算法： 最小覆盖子串1.28二面 +11.数据一致性这一块，你怎么处理的?2.缓存失效，有哪些失效策略?3.频繁应用的数据，怎么处理4.分布式事务的实现方式5.多线程的任务，怎么实现线程间的通信？6.分布式锁，技术选型7.Redisson可重入基层怎么实现的?8.分布式锁过程中宕机了怎么办?9.没有超过过期时间，中间CPU没有运行，怎么样提高效率？10.那这个线程恢复后，还能重入吗？11.分享一下你另外一个项目12.ai助手使用了什么框架?算法 实现内存级缓存，要求可以根据时间自动过期后续就是聊性格，生活还有考研等等2.3三面 +2主要是围绕我的动机和实习时长来挖坑，看我怎么应对和对于实习的态度。询问了项目是商业化还是练手项目技术方面：1.ai现在这么火，你怎么去应对的?了解多少2.尝试过ai编程吗，具体怎么做的3.利用ai的时候，团队协作，编码有固定的格式，该怎么办?4.rag召回，有哪些算法?5.脑筋急转弯，3l水 5l水问题6.秒杀逻辑，防止超卖的核心逻辑7.核心业务失败，怎么办?8.加锁了，并发性能怎么保证呢9.商品库存信息，怎么存放的10.支付失败的话，直接更新缓存吗？高并发情况下，会有什么问题呢11.如果是淘宝这种量级，库存出现数据不一致怎么办，怎么恢复数据12.单线程保证线程安全，有哪些方式?13.为什么要用双重检查模式14.为什么学java15.现在ai这么火，但是你的ai经验比较弱，这是为什么?为什么没有主动去补一下2.4hr 电话面hr小姐姐，态度很好，介绍业务，薪资，跟我说拉我进群。电话结束就加了微信，说offer2到3个工作日发下来

双非一本，Java后端，记录一下现在的情况，给差不多背景的同学参考。目前投了：字节（后端）→ 一面过，等二面腾讯 IEG → 笔试过，约面中美团到店 → 投了，无反馈百度 → 笔试下周京东、快手、货拉拉 → 均已投，等消息小红书、滴滴 → 填了一半，还没提交体感字节推进最快，腾讯比较慢。多说一句，投的多了之后网申填表是真的烦，每家都要重填一遍。后来发现牛客有个网申助手插件，信息录一次之后自动同步，省了不少时间，那几家填一半的就是装了之后补完交的。有同背景还在投的吗，来聊聊

面试官喜欢问用过什么ai，这时候就不能局限于ChatGPT、DeepSeek、豆包这种网页版对话工具，这些只是基本操作。面试官更想知道的是，你有没有用过能直接赋能开发提效的 AI 工具（比如 IDE 集成类、代码专属 AI 工具），以及你如何通过 Agent 思维、精准提示词设计，把 AI 变成真正的生产力助手。比如，只说 “用过 ChatGPT 写代码”，远不如说 “用 Cursor 的实时代码补全功能重构过 Spring Boot 接口的冗余逻辑”“靠 Claude Code 分析 JVM 堆转储日志，定位了并发场景下的内存泄漏问题”“基于 LangChain 搭过简易的本地知识库 Agent，用来自动检索项目历史文档，解决跨模块接口调用的疑难问题” 来得有说服力。除此之外，“开发中遇到过 AI 幻觉吗？怎么解决的？” 也是高频追问。毕竟真实工作里，AI 生成的代码或方案并非万能，甚至会出现 “一本正经输出错误答案” 的情况。比如你让 AI 写一个基于 Redis 的分布式锁，它可能会漏掉 finally 块的解锁逻辑，导致死锁；或者让它优化 MySQL 慢查询，它给出的索引方案反而会让查询效率更低；更常见的是，遇到一些冷门框架的问题，AI 会拼接看似合理的解决方案，实则完全不适用。这些场景的核心矛盾，在于 AI 是基于海量语料的概率性输出，而非真正理解业务逻辑和技术原理。这时候，能讲清 “如何识别幻觉、如何解决幻觉”，远比单纯说 “用过 AI” 更能体现你的能力。比如可以说：“我会先交叉验证 AI 给出的方案 —— 对照官方文档、查看源码注释，或者搭建最小测试用例跑通验证；如果 AI 陷入错误循环，我会拆解问题，用更精准的提示词限定范围，比如明确‘基于 Redis 6.0 版本，用 SETNX + EX 命令实现分布式锁，必须包含超时兜底和解锁校验’；实在解决不了的，会放弃直接生成，转而让 AI 提供思路参考，再结合自己的技术积累完成落地。”说到底，面试官问 AI 相关问题，不是考你 “知道多少工具”，而是考你 “有没有把工具用出深度”—— 是否能借助 AI 提升开发效率，是否能分辨 AI 输出的对错，是否具备 “工具辅助 + 独立思考” 的复合能力。这才是校招和社招中，拉开候选人差距的关键。