怎么才算吃透一个java项目

继续来分享下最近的面经~欢迎友好讨论，信息共享1.prompt如何生成的2.大模型产生幻觉的原因和解决方式3.如何增强大模型的code review能力（微调模型？拆分问题报告？）4.了解openclaw么？它和其他大模型有什么不同5.用过哪些AI，cursor生成代码的底层原理是什么？如果让你设计，你会怎么做？6.Skill了解吗？MCP是什么？7.HashMap的线程安全问题是什么？多个线程同时put会发生什么？和ConcurrentHashMap的区别是什么?8.输入一个网址访问网页经过了哪些协议？整体流程是什么？9.MVCC是什么？原理是什么？它是如何作用的？10.JVM的内存区域划分？其中栈的作用是什么？11.手撕：leetcode437：路径总和

一、自我介绍与项目深挖做一下自我介绍。简单讲一个你最有代表性的项目，你在其中解决的最关键问题是什么？结合实习或项目，做细节追问（工作流、职责、决策、挑战等）。二、Agent 与提示工程相关提示词模板是怎么设计与迭代的？你如何判断一个模板真的变好了？你们的 Agent 是单 Agent 还是多 Agent？为什么这么设计？有没有考虑过替代方案？Agent 的任务是怎么拆分的？拆分粒度是怎么决定的？上下文是如何构建的？你们怎么避免上下文过长或信息污染？如果上下文窗口不够，你会优先保留哪些信息？为什么？三、代码理解与单测生成（工程场景）做代码理解时，AST、调用关系这些信息是怎么用起来的？单测生成里，哪些代码不适合生成单测？你们是如何识别并过滤的？覆盖率高但测试质量很差，你见过吗？你们是如何解决的？mock 在单测里什么时候是必须的？什么时候反而会带来问题？如果一个函数同时依赖数据库和 RPC，你怎么让模型生成的单测稳定运行？你们如何评估生成单测的质量？ 除了覆盖率，还有哪些指标有效？四、LLM 基础与 Transformer 细节LLM 的输入到底是什么？模型真正看到的内容包含哪些？self-attention 的核心作用是什么？为什么要拆成 Q、K、V？为什么 attention 能建模长距离关系？为什么需要 multi-head？attention 为什么可以看成动态加权？同一个 token 的 Q、K、V 为什么不相同？attention 复杂度很高，当上下文特别长时，你会怎么优化？模型产生幻觉的常见原因是什么？工程上有哪些方法可以降低幻觉？五、后端与系统基础Python 有多线程吗？GIL 是干嘛的？什么时候多线程才是有用的？讲一下 C++ 从源码到可执行文件的完整编译流程。六、算法题（手撕）给定一个数组 nums，计算所有子数组的中位数之和。定义：如果子数组长度为奇数：中位数 = 排序后中间的数。如果为偶数：中位数 = 排序后靠左的那个数。要求：计算所有子数组的中位数之和。

攒攒人品！有面试过同岗的朋友欢迎评论区交流1.你的AI项目的亮点是什么?2.上下文压缩算法的触发条件3.长任务(执行几天，步骤很多)在你的项目中是怎么做的?4.有了解claudeCode的Hook机制功能知道嘛?解释一下5.装饰器设计模式和代码设计模式6.看过Springboot/Spring的源码嘛?里面用到了哪些设计模式7.mysql的锁有哪些?8.讲一下乐观锁和悲观锁手撕:一道原创题，大致题意:给定一个链表"head={4,2,8}和 一课二叉树 root=Rn{1,4,4,1,2,null,2,null,null,nul1,2,8,2,1,null,null,null,null,8,null,null}(貌似是这样的)判断一下这课树中存不存在一条路径和链表是一样的。

1. 当 Agent 依靠 RAG 回答专业领域问题时，若检索耗时超过 2 秒，你会选择让用户等待，还是先返回部分流式内容？检索重排序（Rerank）策略会对产品体验带来哪些具体影响？2. 对于金融场景的 Agent，如果工具调用返回 JSON 格式错误等结构性异常数据，除常规重试机制外，产品层面应如何设计人工兜底的触发条件与接管流程，以保障资金操作的绝对安全？3. 在评估多工具协同的 Agent 时，除任务完成率外，你会如何定义“工具调用准确率”这一指标？若模型选错了工具，但最终结果正确，这类数据该如何归因？4. 如果要引入 MCP 协议统一内部工具接口，作为产品经理，你认为这会对现有 Agent 任务规划模块带来哪些架构层面的改动？主要迁移成本体现在哪些方面？5. 面对复杂任务，你如何选择采用“对话式逐步确认”还是“一次性生成工作流供用户审核”？请结合 Token 成本与用户认知负荷两个维度，说明你的决策逻辑。