谁干的啊？看给我龙虾哥调成啥样了？！

家人们，谁懂啊，最近真的绷不住了😭 过几天就要去一个别的城市开始校招前的实习了，虽然之前也一个人拖着行李箱去过好几个别的城市实习，但这次感觉完全不一样，心里五味杂陈的……以前那些实习，不管是暑期的还是日常的，去的也都是大家耳熟能详的大城市，但那时候心里特别踏实——反正就待几个月，干完就能回学校，室友还在、食堂还在、熟悉的那条街还在，就当是去体验生活、攒点经历。每次走之前还会跟朋友说：“等我回来请我吃饭啊！”但这次是校招的提前批实习，如果顺利的话，可能就要长久地留下来了。想到以后要一个人在那个偌大的城市闯荡，没有同学可以随时约饭，没有宿舍那个永远亮着灯的小窝，甚至周末想找个人说话都得翻半天通讯...

对小公司没那么满意，但再来一次招聘太累了，也没有时间出去玩了😫

项目拷打哪些代码是AI写的，哪些是自己写的？有自己写的，有ai写的，为什么不全都让ai来写，而要自己实现？项目的特色有哪些？MCP和Agent skills的区别会话记忆功能如何实现？一次性记忆和永久性记忆分别如何实现？Java和Spring项目中用到了Spring Boot的注解，来聊聊Spring注解的底层原理吧前一问没答出来，追问AOP在工程中的具体使用逻辑什么是java的反射机制，使用场景有哪些？提到IOC控制反转，提问IOC的底层原理如何实现？Spring的启动过程，分为哪些阶段，分别做了什么事情，底层代码是不是了解？反射机制的缺点有哪些？高并发的场景适不适合用反射？连环炮提问有点顶...

最近做了一个企业级 RAG 智能体项目 Ragent，基于 SpringBoot 技术栈 + 手搓 RAG，完整开源了。不是 Demo 级别的调 API 玩具，是覆盖了 RAG 全链路的工程实现，分享出来给大家参考。GitHub：https://github.com/nageoffer/ragent为什么做这个项目现在面试越来越多地问 AI 相关的东西——RAG 怎么做的？Agent 怎么实现？MCP 了解吗？但市面上大部分 RAG 教程要么是 Python 生态，要么停留在调 API 跑通 Demo 的阶段，离真正能上线的系统差距很大。所以基于自己在公司实际落地 RAG 系统的经验，做了 Ragent 这个项目，把企业里真正会遇到的问题都实现了一遍。核心能力▪ 多路检索引擎：意图定向 + 全局向量双通道并行，检索结果经去重、重排序等后处理流水线。▪ 意图识别：树形意图分类体系，置信度不足时主动引导澄清。▪ 问题重写与拆分：多轮对话自动补全上下文，复杂问题拆分为子问题分别检索。▪ 会话记忆：滑动窗口 + 自动摘要压缩，控制 Token 成本的同时保留关键上下文。▪ 模型路由与容错：多模型候选、优先级调度、首包探测、三态熔断器、自动降级。▪ MCP 工具调用：知识检索与外部系统调用在同一流程中无缝融合。▪ 文档入库 ETL：基于节点编排，从解析、分块、向量化到写入 Milvus，每步可配置、有日志。▪ 全链路追踪：每次对话的重写、意图、检索、生成各环节都有 Trace 记录。技术栈后端：Java 17、Spring Boot 3、MyBatis Plus、Milvus 2.6、Redis + Redisson、RocketMQ 5.x、Apache Tika、Sa-Token前端：React 18、TypeScript、Vite代码量：后端约 4w 行，前端约 1.8w 行，20 张业务表，22 个前端页面。和 Demo 项目的主要区别▪ 检索方式：Demo 通常是单路向量检索，Ragent 是多通道并行 + 后处理流水线。▪ 意图识别：Demo 没有，Ragent 做了树形意图 + 歧义引导。▪ 模型调用：Demo 单模型挂了就挂了，Ragent 多候选路由 + 熔断降级。▪ 会话记忆：Demo 全量塞给模型，Ragent 滑动窗口 + 摘要压缩。▪ 可观测性：Demo 没有，Ragent 全链路 Trace。项目会持续迭代，感兴趣的同学可以 clone 下来跑一跑，有问题欢迎提 Issue 交流。