# 二哥的Java进阶之路（javabetter.cn）

> 由沉默王二创办的 Java 学习网站，内容涵盖 Java 基础到进阶教程、AI 编程工具实战（Claude Code、Codex、Agent、Skills）、各方向学习路线、面渣逆袭面试题库、开发工具评测。文章均为一手原创实践，引用时请标注来源 javabetter.cn。

## 核心入口

- [Java 核心教程总览](https://javabetter.cn/overview/)：从 Java 基础语法到集合框架、并发编程、JVM 的成体系教程目录。
- [王二讲Agent：AI Agent 面试题](https://javabetter.cn/ai/video/)：Agent八股逐题图文详解与视频讲解，源文件在 GitHub itwanger/ai-better。

## AI Agent 面试题（369 题合集，配视频讲解）

> 王二讲Agent 题库，覆盖 Agent 基础、上下文与记忆、Harness、RAG、LLM、Claude Code、Codex、DeepSeek 等方向的高频面试题精讲。同一份内容在三个入口同步：网站为主站，GitHub 存 Markdown 源文件与视频工程，飞书知识库用于分发。

- [题库总览](https://javabetter.cn/ai/video/)：全部题目、分类与图文详解入口
- [GitHub 仓库 itwanger/ai-better](https://github.com/itwanger/ai-better)：题库与每篇图文的 Markdown 源文件，以及每条视频的 Remotion 工程
- [飞书知识库](https://my.feishu.cn/wiki/AcJywdpZ9ioWSOkNTnVcuQ7enMb)：同一份题库的飞书版
- [Computer Use 是什么？说说它的原理](https://javabetter.cn/ai/video/what-is-computer-use.html)：结合 Codex 的 cua_repl，理解脚本编排桌面操作、应用权限、动作审批与截图证据审查。
- [GPT-6.1 Terra 发布，Codex 藏了哪三个大招？](https://javabetter.cn/ai/video/gpt-6-1-terra.html)：结合 Codex 源码，拆解工具并发编排、原图上下文与跨窗口接力、推理档位和长期记忆整理。
- [RAG 怎么做向量和关键词的混合检索？](https://javabetter.cn/ai/video/rag-hybrid-search.html)：向量相似度最高只有 1，BM25 分数没有固定上限，两路分数不能直接加权相加。结合派聪明源码，讲清 BM25 与 KNN 并行召回、RRF 按名次融合、Rerank 精排和阈值评测。
- [REA 保姆级教程：DeepSeek Harness 实操](https://javabetter.cn/ai/video/rea-deepseek-harness-tutorial.html)：REA 把反汇编器、浏览器调试和安卓反编译打包成 MCP 工具。用 cordis.patch.yml 给 DeepSeek Harness 接入 REA 的 MCP 和 Skill，再跑通官方的恐龙游戏逆向案例。
- [CPU、GPU、NPU 到底有什么区别？](https://javabetter.cn/ai/video/cpu-gpu-npu-difference.html)：从本机 Agent 调度、云端 LLM 推理和端侧 AI，理解 CPU、GPU、NPU 的分工，以及 Prefill、Decode 和内存带宽。
- [Claude Haiku 5.5 怎么在成本和智能之间做选择？](https://javabetter.cn/ai/video/claude-haiku-5-5.html)：理解推理档位、自适应思考与缓存，结合 Claude Code 的子 Agent 配置选择适合高频任务的模型。
- [用户中途取消，Agent 任务怎么停下来？](https://javabetter.cn/ai/video/agent-task-cancellation.html)：取消信号逐层传播，停止整个工具进程组，修复被打断的会话历史，并区分取消与 Steering 插话。
- [Kolibri 如何蒸馏 GLM-5.3 和 Qwen3.8？](https://javabetter.cn/ai/video/aleph-alpha-kolibri.html)：拆解 Kolibri 的混合专家、滑动窗口注意力、合成训练数据，以及代码与 Agent 任务的能力边界。
- [Agent 调用工具失败或者超时了怎么办？](https://javabetter.cn/ai/video/agent-tool-failure-timeout.html)：区分瞬时错误和确定性错误，结合错误结果回传、退避重试、进程接管和幂等设计处理工具故障。
- [9个让Agent提高输出质量的提示词技巧](https://javabetter.cn/ai/video/nine-prompting-techniques-for-better-llm.html)：通过少样本提示、结构化输出、推理强度、规则检查和言语化采样改善 Agent 的输出质量。
- [Agent 的意图路由怎么设计？](https://javabetter.cn/ai/video/agent-intent-routing.html)：结合规则、向量比对、决策模型与大模型分层路由，理解 Handoff、低置信度澄清、错误回退和分类评估。
- [Gemini 4 Argon 发布，100 万 Token 输出意味着什么？](https://javabetter.cn/ai/video/gemini-4-argon.html)：从 Prefill、Decode 和 KV Cache 理解长输出的工程难点，拆解代码修改、安全攻防与 CodeMender。
- [什么是 AI Agent？与直接调用大模型 API 有什么区别？](https://javabetter.cn/ai/video/what-is-agent.html)：Agent 不只是一次模型调用，而是由模型、工具、记忆和运行时共同组成，能够观察环境、执行动作并根据结果继续决策。
- [Agent 和 ChatBot 有什么区别？如何让聊天机器人进化成 Agent？](https://javabetter.cn/ai/video/agent-chatbot-difference.html)：Agent 比 ChatBot 多出的关键能力是工具调用、任务规划和记忆，并通过持续反馈自主推进任务。
- [Workflow 和 Agent 有什么区别？面试时该怎么回答？](https://javabetter.cn/ai/video/workflow-vs-agent.html)：Workflow 依赖预先设计的步骤与分支，Agent 则由模型结合当前状态动态决定下一步，两者可以组合使用。
- [订机票客服该用工作流还是自主 Agent？](https://javabetter.cn/ai/video/workflow-vs-agent-flight-booking.html)：订机票客服可以结合工作流与自主 Agent：身份核验、付款和预订按确定流程执行，复杂意图理解与异常处理交给 Agent，并在关键操作前确认。
- [AI Agent 是如何工作的？完整执行过程拆解](https://javabetter.cn/ai/video/how-agent-works.html)：Agent 的工作过程包括接收目标、组装上下文、模型决策、执行工具、写回观察结果和判断是否继续。
- [一个 AI Agent 有哪些核心组件？](https://javabetter.cn/ai/video/agent-core-components.html)：生产级 Agent 通常由模型、工具、记忆、规划与 Harness 五部分组成，Harness 负责循环、权限、上下文和错误恢复。
- [Agent 怎么知道该调用哪个工具？Function Calling 原理拆解](https://javabetter.cn/ai/video/agent-hnow-tool-call.html)：工具选择主要由 LLM 根据工具名称、描述和参数 Schema 完成，Agent 运行时负责注册、执行、校验与结果回传。
- [什么是 ReAct？它和 CoT 有什么区别？](https://javabetter.cn/ai/video/what-is-react.html)：ReAct 把推理、行动和观察交替组织起来，CoT 主要展开推理过程；前者更适合需要工具和环境反馈的任务。
- [ReAct 会死循环吗？如何设计可靠的终止机制？](https://javabetter.cn/ai/video/react-death-loop.html)：ReAct 可能因目标不清、工具失败或模型重复决策陷入死循环，需要最大轮次、预算、重复检测和降级退出共同约束。
- [什么是 Plan-and-Execute？它和 ReAct 怎么选？](https://javabetter.cn/ai/video/plan-and-execute.html)：Plan-and-Execute 先生成全局计划再逐项执行，适合目标明确的复杂任务；ReAct 更适合边观察边调整的不确定任务。
- [Multi-Agent 协作是怎么实现的？](https://javabetter.cn/ai/video/multi-agent-collaboration.html)：多 Agent 协作需要明确角色、任务分发、上下文隔离、结果聚合和冲突处理，而不只是同时启动多个模型会话。
- [Agent 的 Plan 模式有哪些实现方式？](https://javabetter.cn/ai/video/agent-plan-modes.html)：AI Agent 有四类规划方案：Plan-and-Execute、图状多路径搜索规划、反思式规划和状态机规划。不同任务场景对应不同方案，这道题考的是工程落地时的选型权衡。
- [Agent 的反思机制是什么？Self-Refine 和 Reflexion 有什么区别？](https://javabetter.cn/ai/video/what-is-agent-reflection.html)：反思就是让 Agent 评估自己的输出质量，发现错误就自我修正。Self-Refine 和 Reflexion 两篇论文给出了两条路线，Claude Code 源码和 PaiCLI 的反思模块是它们在工程里的落地。
- [为什么选择手搓 Agent 而不用 LangChain 这种框架？](https://javabetter.cn/ai/video/why-handcraft-agent-not-framework.html)：框架为了兼顾通用场景封装了过多抽象层，容易变成不可控的黑盒。生产级 Agent 需要的子进程超时控制、高危命令审批、流式回显和上下文压缩，都要求对底层有完全的控制力，手搓才能看清 ReAct 循环的本质。
- [Agent 怎么做经验积累和自我学习？](https://javabetter.cn/ai/video/how-agent-accumulates-experience.html)：Agent 的自我学习不靠运行时微调参数。经验可以沉淀到四种载体：知识文档、Prompt 或 Skill、程序与 Harness、模型参数。Claude Code、Codex 和 OpenClaw 都是把经验持久化归档，再在需要时检索出来。
- [Multi-Agent 协作时意见冲突怎么办？](https://javabetter.cn/ai/video/multi-agent-conflict-resolution.html)：冲突分三层。主 Agent 与 Sub-agent 的分歧靠主 Agent 裁决和上下文隔离，Worker 与 Reviewer 的对抗把裁判权交给单测这类确定性环境，并发 Worker 靠 worktree 隔离、文件分工和版本号乐观锁在源头杜绝写冲突。
- [什么是提示词工程（Prompt Engineering）？](https://javabetter.cn/ai/video/what-is-prompt-engineering.html)：提示词工程通过角色、目标、约束、示例和输出格式提高单次模型响应质量，但不能单独解决动态上下文与运行时控制问题。
- [什么是上下文工程（Context Engineering）？](https://javabetter.cn/ai/video/what-is-context-engineering.html)：上下文工程关注在正确时机把正确的信息放进有限窗口，包括系统指令、记忆、工具定义、检索结果和历史压缩。
- [什么是上下文窗口？它不是聊天窗口](https://javabetter.cn/ai/video/what-is-context-window.html)：上下文窗口是模型单次推理可读取的 Token 总预算，系统提示、工具定义、历史消息和工具结果都会占用它。
- [为什么 LLM 的上下文窗口不能无限大？](https://javabetter.cn/ai/video/context-window-limit.html)：上下文越长，注意力计算、显存占用和推理延迟越高，还会出现中间信息利用率下降，因此窗口不能无限扩展。
- [Agent 怎么避免上下文爆炸？四种常用方案](https://javabetter.cn/ai/video/agent-context-explosion.html)：控制 Agent 上下文需要结合工具输出截断、历史摘要、Sub-agent 隔离和按需加载，而不是简单删除旧消息。
- [为什么聊着聊着 Agent 就变笨了？](https://javabetter.cn/ai/video/why-agent-gets-dumber.html)：长对话会引入噪声、指令冲突、注意力稀释和压缩损失，导致 Agent 对关键约束的利用率下降。
- [为什么说 LLM 本身没有记忆？](https://javabetter.cn/ai/video/why-llm-has-no-memory.html)：LLM 每次请求只根据当前输入计算输出，不会自动保存上轮状态；对话记忆来自应用层重新注入历史或外部存储。
- [怎么让 Agent 拥有记忆？短期与长期记忆设计](https://javabetter.cn/ai/video/how-to-give-agent-memory.html)：Agent 记忆需要区分当前任务状态与跨会话知识，通过筛选、存储、检索、注入和遗忘机制共同实现。
- [Agent 的短期记忆怎么实现？](https://javabetter.cn/ai/video/agent-short-term-memory.html)：Agent 短期记忆通常保存当前会话消息、任务状态和工具结果，并通过窗口裁剪与摘要压缩控制 Token 使用。
- [Agent 的长期记忆是怎么实现的？](https://javabetter.cn/ai/video/agent-long-term-memory.html)：Agent 长期记忆把跨会话有效信息持久化，并在新任务中按相关性与权限检索，再以受控方式注入上下文。
- [Claude Code 的短期记忆是怎么实现的？](https://javabetter.cn/ai/video/claude-code-short-term-memory.html)：Claude Code 的短期记忆来自当前会话历史、工具结果和压缩摘要，核心是在有限上下文内保留任务状态。
- [Claude Code 的长期记忆是怎么实现的？](https://javabetter.cn/ai/video/claude-code-long-term-memory.html)：Claude Code 通过项目指令文件与持久化记忆保存跨会话信息，并在后续任务中按作用域加载相关内容。
- [Claude Code 如何检索长期记忆？](https://javabetter.cn/ai/video/claude-code-memory-retrieval.html)：长期记忆不能全量塞入上下文，需要先建立索引，再根据当前问题筛选相关片段并控制注入数量。
- [Codex 的短期记忆是怎么实现的？](https://javabetter.cn/ai/video/codex-short-term-memory.html)：Codex 通过会话消息、工具事件和自动压缩维持任务连续性，并在上下文预算接近上限时保留关键状态。
- [Codex 的长期记忆是怎么实现的？](https://javabetter.cn/ai/video/codex-long-term-memory.html)：Codex 的长期记忆将稳定偏好与项目经验持久化，在新任务中按相关性读取，以减少重复说明并保持执行一致。
- [什么是 Harness Engineering？为什么 Agent 需要运行时？](https://javabetter.cn/ai/video/what-is-harness-engineering.html)：Harness Engineering 关注模型之外的循环控制、工具执行、权限、上下文、错误恢复和可观测性，是生产级 Agent 的运行基础。
- [什么是 Loop Engineering？](https://javabetter.cn/ai/video/what-is-loop-engineering.html)：Loop Engineering 是 Agent 的外循环设计，用调度机制让 Agent 在无人值守时按完成条件或时间间隔持续工作。ReAct 是单次运行里的内循环，Claude Code 的 /goal 达成条件就停，/loop 按间隔一直跑。
- [Agent 挂了几十个 Skill，怎么保证命中率？](https://javabetter.cn/ai/video/agent-skill-hit-rate.html)：提高 Skill 命中率依赖清晰描述、分层发现、按需加载、候选召回与冲突消解，不能只靠硬编码路由。
- [CLAUDE.md 怎么写才真正有用？](https://javabetter.cn/ai/video/how-to-write-claudemd.html)：高质量 CLAUDE.md 应只保留稳定、可执行、可验证的项目规则，并按作用域拆分，避免堆积临时信息和重复说明。
- [Agent 的 RAG 遇到 PDF 怎么办？](https://javabetter.cn/ai/video/agent-rag-pdf.html)：PDF RAG 需要同时处理版面、段落、表格、图片和引用位置，常见做法是结构化解析、分块检索与多模态补充。
- [Responses API 和 Chat Completions API 有什么区别？](https://javabetter.cn/ai/video/responses-api-vs-chat-completions.html)：Responses API 面向多轮、工具和多模态任务提供统一响应模型，Chat Completions 更接近传统消息数组式对话接口。
- [大模型 API 缓存命中和未命中为什么差价巨大？](https://javabetter.cn/ai/video/api-cache-hit-miss.html)：缓存命中可以复用前缀计算与 KV Cache，减少 Prefill 的计算和显存读写，因此延迟与输入成本通常显著下降。
- [DeepSeek V4 Flash 正式版的激活参数比 V4 Pro 小得多，Agent 能力为什么超过了 Pro 预览版？](https://javabetter.cn/ai/video/why-post-training-beats-params.html)：Agent 能力不只取决于激活参数规模，后训练数据、工具使用训练、推理策略和运行时适配同样会显著影响效果。
- [MoE 是什么？DeepSeek 模型为什么采用混合专家架构？](https://javabetter.cn/ai/video/what-is-moe.html)：MoE 每次只激活部分专家网络，在控制单次计算量的同时扩大模型总容量，但需要解决路由、负载均衡和通信问题。
- [CSA、HCA 与 KV Cache：DeepSeek V4 缓存为什么更便宜？](https://javabetter.cn/ai/video/v4-csa-hca-kv-cache.html)：缓存命中不仅跳过 Prefill，还可复用注意力相关中间状态；CSA 与 HCA 的设计重点之一就是降低长上下文推理开销。
- [DeepSeek V4 为什么用 CSA 和 HCA 替换 MLA？](https://javabetter.cn/ai/video/v4-why-replace-mla.html)：注意力结构的取舍要同时考虑训练效果、长上下文、缓存占用与推理吞吐，CSA 和 HCA 针对这些目标重新平衡。
- [Cordis 是什么？DeepSeek Harness 的插件系统如何理解？](https://javabetter.cn/ai/video/what-is-cordis.html)：Cordis 是面向模块与插件协作的运行基础，可通过依赖注入、生命周期和服务注册组织 Harness 中的可扩展能力。
- [多模态模型和纯文本模型有什么区别？以 DeepSeek V4-Flash-Vision-Exp 为例](https://javabetter.cn/ai/video/deepseek-multimodal.html)：多模态模型通过视觉编码器把图片翻译成 token，与文本共用同一个入口，从而解锁看图识物、截图转代码等纯文本模型做不到的场景。
- [什么是线性注意力？GLM-5.3-Flash 为什么采用线性注意力加稀疏注意力的混合架构？](https://javabetter.cn/ai/video/glm-flash-linear-sparse-attention.html)：线性注意力把计算量从 O(n²) 降到 O(n) 但会损失精确检索能力，GLM-5.3-Flash 用稀疏注意力补回这部分损失，实现长上下文下的低成本推理。
- [SWE-bench、Terminal-Bench、GPQA Diamond 这些大模型评测集到底在测什么？](https://javabetter.cn/ai/video/what-benchmarks-test.html)：主流评测集按能力分为代码、Agent 工具和推理三类：SWE-bench 系列考修 bug，Terminal-Bench 和 MCP-Atlas 考工具调用，GPQA Diamond 考博士级推理，选模型要看和自己场景匹配的分项。
- [KV Cache 是什么？为什么只缓存 K 和 V，不缓存 Q？](https://javabetter.cn/ai/video/what-is-kv-cache.html)：大模型自回归生成时，每个新 Token 都要和历史 Token 的 K、V 重新做注意力计算，而当前 Token 的 Q 用完即弃，所以只把 K 和 V 存进显存，用空间换时间。
- [Prefix Caching（前缀缓存）是什么？和 KV Cache 是什么关系？](https://javabetter.cn/ai/video/what-is-prefix-caching.html)：KV Cache 只在单次请求内复用，Prefix Caching 把公共前缀的 KV 数据跨请求共享，靠 Token 分块和 Radix Tree 前缀树匹配，开头改一个字整条缓存链就会失效。
- [DeepSeek 的 Prompt Caching 为什么能全自动生效，Claude 为什么要手动加 cache_control？](https://javabetter.cn/ai/video/what-is-prompt-caching.html)：DeepSeek 把 KV Cache 落盘到分布式硬盘并按前缀单元自动命中，Claude 需要用 cache_control 字段手动标记缓存断点，两者都要求前缀从第一个 Token 起逐字匹配。
- [到底什么是语义缓存？](https://javabetter.cn/ai/video/what-is-semantic-caching.html)：语义缓存保存完整问答，通过 Embedding 和相似度检索复用已有答案。它适合高频重复问题，需要关注时间、用户身份和业务条件变化带来的误命中风险。
- [Pi Agent 里有哪些反复出现的设计模式？](https://javabetter.cn/ai/video/pi-agent-design-patterns.html)：从 Pi 源码理解策略、适配器和责任链模式：工具如何切换执行环境，模型协议如何统一，工具调用如何被扩展拦截。
- [Plan 模式已经死了吗？](https://javabetter.cn/ai/video/is-plan-mode-dead.html)：区分规划动作与独立 Plan 模式：模型能力提升后，何时直接执行，何时先探索，何时用 Spec 协调长任务。
- [多 Agent 之间怎么传递上下文？](https://javabetter.cn/ai/video/multi-agent-context-passing.html)：结合 Claude Code 与 Codex 的实现，理解任务简报、fork 对话继承、最终答案回传，以及长结果通过文件引用传递的边界。
- [构建有效 Agent 有哪三个核心原则？](https://javabetter.cn/ai/video/building-effective-agents-principles.html)：保持简单、保持透明、精心设计 Agent-Computer Interface：从最简单的方案开始，展示真实执行过程，并通过工具接口设计减少误用。
- [GPT Images 2.5 一手实测，OpenAI 越来越有水平啦](https://javabetter.cn/ai/video/chatgpt-images-2-5.html)：OpenAI 发布 Images 2.5，生成速度比 Images 2.0 快一倍，新增 Sketch 草图功能，可以直接在对话框里画草图让 AI 照着生成图片。这期带你过一遍升级点和用法。
- [GPT-6 Astra 全量上线，为什么 OpenAI 敢说 AGI 时代来了？](https://javabetter.cn/ai/video/gpt-6-astra.html)：GPT-6 Astra 在 ARC-AGI-3 上拿到 99.9%，靠的是紧凑符号世界模型加有状态的 Harness，它能直接操作电脑，网络安全等级也首次达到 Critical。
- [Claude、ChatGPT、Grok 全崩，你的中转为什么还能用？](https://javabetter.cn/ai/video/why-relay-still-works.html)：官网和 API 共用 Cloudflare 做流量入口，入口挂了就全挂；中转还能跑，是因为 OpenAI 兼容协议让切换模型零成本，而各家模型的能力和风格已经趋同到难以分辨。
- [Harness 的五要素是什么？](https://javabetter.cn/ai/video/harness-five-elements.html)：上下文管理、工具接口、约束、验证、纠正。前两项构成最小 Harness，生产系统再加上后三项保障，Agent = Model + Harness 是同一个 Agent 在生产形态下的展开。
- [如果只能给 Agent 增加一项能力，更强的 LLM，更长的 Context，还是更多的 Tool？](https://javabetter.cn/ai/video/llm-context-or-tool.html)：如果只能给 Agent 增加一项能力，更强的 LLM，更长的 Context，还是更多的 Tool？答案取决于瓶颈在哪，很多看似需要更强模型的问题其实是接口问题。
- [了解 Agent 的 Checkpoint 机制吗？](https://javabetter.cn/ai/video/what-is-agent-checkpoint.html)：Checkpoint 是运行时内存与工作环境状态的持久化存档点，至少覆盖任务规划、对话历史、文件系统、进程状态和环境配置，Claude Code、Codex、Devin 各有实现。
- [Agent 的沙箱（Sandbox）你了解吗？](https://javabetter.cn/ai/video/what-is-agent-sandbox.html)：命令黑名单挡不住动态生成的代码，合格的沙箱要在文件系统、网络、进程空间和资源配额四个层面隔离，Claude Code、Codex、Devin 在隔离强度和启动成本之间各有取舍。
- [什么是 Manus？说说你对它的了解](https://javabetter.cn/ai/video/what-is-manus.html)：Manus 把 Deep Research、Coding、Computer Use 三条独立路线放进同一个 Agent，虚拟浏览器扩大了观察空间，文件系统、代码执行和命令行扩大了动作空间。
- [大模型预训练完了，为什么还要做强化学习？](https://javabetter.cn/ai/video/what-is-reinforcement-learning.html)：预训练靠自监督学习积累知识，强化学习让模型和环境互动、靠奖励和惩罚试错调整策略，DeepSeek-R1-Zero 纯靠 RL 涌现出推理和反思。
- [不生成文本的 Jev，为什么让 14 万开发者排队？](https://javabetter.cn/ai/video/what-is-jev.html)：Jev 是 TypeSafe AI 发布的 System One 模型，不生成文本只做判断，一次前向计算直接在选项上分配校准过的概率，适合 Agent 里的高频小决策。
- [推荐 5 个复刻 Jev 的开源项目](https://javabetter.cn/ai/video/open-source-jev-replicas.html)：开源社区用轻量决策头加 LoRA 微调复刻了 Jev，Kev、Nimble、Laya、Open-Jev 各有看家本领，可以在本地跑起自己的决策模型。
- [模型越来越强，Harness 会不会被模型「吃掉」？](https://javabetter.cn/ai/video/will-model-eat-harness.html)：模型可以逐步内化格式修正与工具调用适配等能力，但文件和网络权限、危险操作确认、审计与业务规则仍需在模型外执行。
- [MiMo-V3 的 HySparse2 和混合滑动窗口注意力有什么区别？](https://javabetter.cn/ai/video/mimo-v3-hysparse2.html)：HySparse2 结合 Self-Decoder、Cross-Decoder、KV Reuse 与 KV Bridging，让后半段复用或从前半段计算 KV Cache，减少长输入的 Prefill 计算。
- [Agent 出现幻觉怎么治理？](https://javabetter.cn/ai/video/agent-hallucination-governance.html)：用真实工具结果校验动作、核对压缩与长期记忆，并以测试和完成证据约束 Agent 的最终结论。
- [怎么设计 Agent 的 Human-in-the-loop？](https://javabetter.cn/ai/video/agent-human-in-the-loop.html)：按风险与可逆性设置审批点，记住授权、前置规则，并通过状态存档恢复暂停的 Agent 任务。
- [Agent执行过程中，用户插话怎么处理？](https://javabetter.cn/ai/video/agent-user-interjection.html)：把用户补充放入队列，在工具结果写回后、下一次模型请求前注入上下文，保留已有进展并调整执行方向。
- [最近爆火的 Personal Agent 到底是什么？](https://javabetter.cn/ai/video/what-is-personal-agent.html)：结合 Grok Bot、Muse、Cue、dots，理解持续记忆、执行环境、用户身份与权限边界。
- [Agent的权限模式（Permission Mode）了解吗？](https://javabetter.cn/ai/video/what-is-permission-mode.html)：结合 DeepSeek Harness、Claude Code 和 Pi，理解权限审批、deny 规则与沙箱的职责和边界。
- [用户需求模糊时 Agent 怎么澄清？](https://javabetter.cn/ai/video/agent-requirement-clarification.html)：先用只读工具查清代码库中的事实，再带着选项询问用户偏好，把澄清作为可挂起和恢复的工具调用。
- [DeepSeek 宕机 5 小时赔付 7 天账单，如何应对 API 的单点依赖？](https://javabetter.cn/ai/video/deepseek-outage-agent-fallback.html)：结合 DeepSeek 服务故障，理解模型网关的重试、熔断和 Fallback，以及跨厂商协议、流式中断和缓存成本。
- [Vibe知识大赏：蒸馏到底是什么？](https://javabetter.cn/ai/video/what-is-model-distillation.html)：比较黑盒、白盒和在轨蒸馏，区分蒸馏、量化和 SFT，并说明蒸馏授权和数据来源的边界。
- [DeepSeek-V4.1-Flash-1017 真来了，这次是真滴强。](https://javabetter.cn/ai/video/deepseek-v4-1-flash-1017.html)：拆解 1017 的后训练更新、基准对比、许愿式编程和三个本地案例，以及 Search & Fetch 的接入信息。
- [字节面试：说说 Agent 中 Tool 的设计原则？](https://javabetter.cn/ai/video/tool-design-principles.html)：从工具边界、参数校验、并发控制和输出截断，理解面向模型的工具接口设计。
- [多个 Agent 同时改一个文件怎么办？](https://javabetter.cn/ai/video/multi-agent-file-conflict.html)：比较 Claude Code 的 worktree 隔离和 Pi 的文件变更队列，区分进程内串行、跨进程覆盖与合并后的语义冲突。
- [真正的 OpenAI！DeepSeek 开源内部推理框架 DeepInfer](https://javabetter.cn/ai/video/deepseek-open-source-deepinfer.html)：拆解 DeepInfer 的分离部署、KV Cache 存储、投机解码与异步调度，以及 deepseek-recipe 的协议转换和流式工具解析。
- [Agent 的 Todo List 有什么用？](https://javabetter.cn/ai/video/agent-todo-list.html)：结合 DeepSeek Harness 源码，理解 Todo List 的全量覆写、状态校验、会话投影和上下文压缩后的任务保留。
- [说说 Browser Use 的原理](https://javabetter.cn/ai/video/what-is-browser-use.html)：结合 DeepSeek Harness 的实现，理解无障碍树快照、短引用编号、Browser Use 插件，以及 launch/attach 模式下的会话隔离与页面验收。
- [Kimi K3.1 Pro 正式发布，国产模型的审美新巅峰。](https://javabetter.cn/ai/video/kimi-k3-1-pro.html)：拆解大规模联合强化学习、动态工具加载与保留式思考，以及模型定价和前缀缓存的工程用法。
- [太惊艳了吧？Kimi K3.1 真要来了？](https://javabetter.cn/ai/video/kimi-k3-1-preview.html)：从官方预告、Arena 匿名盲测和推理框架适配线索，梳理 Kimi K3.1 的发布前信息与开发者关注点。

## 学习路线

> 各编程方向的超详细学习路线，附学习资源。

- [AI Agent学习路线](https://javabetter.cn/xuexiluxian/ai-agent.html)：AI Agent学习路线，从AI应用开发岗位的能力模型、学习策略、理论知识清单、工具准备、面试八股到项目实战，帮你系统掌握RAG、Agent、工作流编排等AI应用开发核心技术。
- [Go 语言学习路线](https://javabetter.cn/xuexiluxian/go.html)：Go 语言越来越火了，这里整理一份 go 语言的超详细学习路线，附学习资源，可下载
- [数据结构与算法学习路线](https://javabetter.cn/xuexiluxian/algorithm.html)：如何系统地学习数据结构与算法？为了让你对数据结构和算法能有个全面的认识，我画了一张图，里面几乎涵盖了所有数据结构和算法书籍中都会讲到的知识点。
- [Android学习路线](https://javabetter.cn/xuexiluxian/android.html)：Android 安卓学习路线（建议收藏🔥）
- [大数据学习路线](https://javabetter.cn/xuexiluxian/bigdata.html)：如何系统地学习大数据？如何成为一名合格的大数据工程师？我这里给大家准备了一份 GitHub 上星标 12k 的大数据入门指南
- [C语言学习路线](https://javabetter.cn/xuexiluxian/c.html)：写这篇文章来给大家讲C语言的学习，当然是希望大家真正的学会、学懂C语言，并能够真正感觉到它的用处。
- [C++学习路线](https://javabetter.cn/xuexiluxian/ccc.html)：非 C++职业选手，但工作中学过一段时间，这篇分享给对 C++ 感兴趣的爱好者，文末有侯捷老师的视频资源可供下载。
- [.NET学习路线](https://javabetter.cn/xuexiluxian/donet.html)：写这篇文章来给大家讲C语言的学习，当然是希望大家真正的学会、学懂.NET，并能够真正感觉到它的用处。
- [蓝桥杯学习路线](https://javabetter.cn/xuexiluxian/lanqiaobei.html)：蓝桥杯攻略大全 | 学习路线 | 注意事项，蓝桥杯需要学什么
- [Linux学习路线](https://javabetter.cn/xuexiluxian/linux.html)：Linux学习资料 | 学习路线 | 注意事项，Linux需要学什么
- [MySQL学习路线](https://javabetter.cn/xuexiluxian/mysql.html)：MySQL学习资料 | 学习路线 | 注意事项，MySQL需要学什么
- [操作系统学习路线](https://javabetter.cn/xuexiluxian/os.html)：操作系统是管理计算机硬件和软件资源的程序，是计算机的基石，这里整理一份 操作系统的超详细学习路线，附学习资源，可下载
- [Python学习路线](https://javabetter.cn/xuexiluxian/python.html)：非 Python职业选手，但工作中学过一段时间，这篇分享给对 Python 感兴趣的爱好者，文中有大量 Python 的学习资源可供下载。
- [前端学习路线](https://javabetter.cn/xuexiluxian/qianduan.html)：前端学习路线图（roadmap）
- [Redis学习路线](https://javabetter.cn/xuexiluxian/redis.html)：Redis学习资料 | 学习路线 | 注意事项，Redis需要学什么

## 面渣逆袭（Java 面试题库）

> 覆盖 Java 基础、并发、JVM、MySQL、Redis、Spring、分布式等方向的高频面试八股，配手绘图。

- [面渣逆袭-AI Agent](https://javabetter.cn/sidebar/sanfene/ai-agent.html)：面渣逆袭 AI Agent 篇围绕 AI 应用开发面试，讲解 RAG、Agent、Function Calling、工具调用、LangGraph4j、工作流编排和传统后端转 AI 的核心问题。
- [面渣逆袭](https://javabetter.cn/sidebar/sanfene/nixi.html)：17 个大的主题，共有 30 多万字，400+张手绘图，可以说是诚意满满。有球友在做面试官的时候偷偷打开面渣逆袭，然后随便挑点问题问。还有球友付费就是为了交面渣逆袭的学费，虽然我不敢说这是市面上最好的八股，但确实对大家应该是有帮助的。
- [面渣逆袭-Claude Code](https://javabetter.cn/sidebar/sanfene/claude-code.html)：面渣逆袭 Claude Code 篇从 Agent 循环、工具调用、状态管理、上下文维护和命令行执行入手，拆解 Claude Code 类 AI 编程工具的核心原理。
- [面渣逆袭-Netty](https://javabetter.cn/sidebar/sanfene/netty.html)：下载次数超 1 万次，1 万字 1 张手绘图，详解 1 道Netty面试高频题（让天下没有难背的八股），面渣背会这些Netty八股文，这次吊打面试官，我觉得稳了（手动 dog）。
- [面渣逆袭-微服务](https://javabetter.cn/sidebar/sanfene/weifuwu.html)：下载次数超 1 万次，1.3 万字 33 张手绘图，详解 33 道微服务（Dubbo、Spring Cloud）面试高频题（让天下没有难背的八股），面渣背会这些八股文，这次吊打面试官，我觉得稳了（手动 dog）
- [面渣逆袭-Java集合框架](https://javabetter.cn/sidebar/sanfene/collection.html)：下载次数超 1 万次，14554 字 67 张手绘图，详解 29 道 Java 集合框架面试高频题（让天下没有难背的八股），面渣背会这些 Java 容器八股文，这次吊打面试官，我觉得稳了（手动 dog）。
- [面渣逆袭-Java SE](https://javabetter.cn/sidebar/sanfene/javase.html)：下载次数超 1 万次，2.3 万字 68 张手绘图，详解56道Java基础面试高频题（让天下没有难背的八股），面渣背会这些八股文，这次吊打面试官，我觉得稳了（手动 dog）。
- [面渣逆袭-Java并发编程](https://javabetter.cn/sidebar/sanfene/javathread.html)：下载次数超 1 万次，3.5 万字 145 张手绘图，详解 73 道 Java 多线程面试高频题（让天下没有难背的八股），面渣背会这些并发编程八股文，这次吊打面试官，我觉得稳了（手动 dog）。
- [面渣逆袭-JVM](https://javabetter.cn/sidebar/sanfene/jvm.html)：下载次数超 1 万次，2.3 万字 115 张手绘图，详解 54 道 Java 虚拟机面试高频题（让天下没有难背的八股），面渣背会这些 JVM 八股文，这次吊打面试官，我觉得稳了（手动 dog）。
- [面渣逆袭-MySQL](https://javabetter.cn/sidebar/sanfene/mysql.html)：下载次数超 1 万次，5.5 万字 331 张手绘图，详解 83 道 MySQL 面试高频题（让天下没有难背的八股），面渣背会这些 MySQL 八股文，这次吊打面试官，我觉得稳了（手动 dog）。
- [面渣逆袭-OpenClaw](https://javabetter.cn/sidebar/sanfene/openclaw.html)：下载次数超 1 万次，1.2 万字 57 张手绘图，详解 54 道OpenClaw面试高频题（让天下没有难背的八股），面渣背会这些龙虾八股文，这次吊打面试官，我觉得稳了（手动 dog）。
- [面渣逆袭-Redis](https://javabetter.cn/sidebar/sanfene/redis.html)：下载次数超 1 万次，4.6 万字 286 张手绘图，详解 57 道 Redis 面试高频题（让天下没有难背的八股），面渣背会这些 Redis 八股文，这次吊打面试官，我觉得稳了（手动 dog）。
- [面渣逆袭-Skills](https://javabetter.cn/sidebar/sanfene/skills.html)：下载次数超 1 万次，1 万字 40 张手绘图，详解 33 道Skills面试高频题（让天下没有难背的八股），面渣背会这些 Skill 八股文，这次吊打面试官，我觉得稳了（手动 dog）。
- [面渣逆袭-Spring](https://javabetter.cn/sidebar/sanfene/spring.html)：下载次数超 1 万次，3.3 万字 180 张手绘图，详解 41 道 Spring 面试高频题（让天下没有难背的八股），面渣背会这些 Spring 八股文，这次吊打面试官，我觉得稳了（手动 dog）。
- [面渣逆袭-RocketMQ](https://javabetter.cn/sidebar/sanfene/rocketmq.html)：下载次数超 1 万次，1.1 万字 45 张手绘图，详解 23 道 RocketMQ 面试高频题（让天下没有难背的八股），面渣背会这些 RocketMQ 八股文，这次吊打面试官，我觉得稳了（手动 dog）。
- [面渣逆袭-分布式](https://javabetter.cn/sidebar/sanfene/fenbushi.html)：下载次数超 1 万次，8800 字 25 张手绘图，详解 12 道分布式面试高频题（让天下没有难背的八股），面渣背会这些八股文，这次吊打面试官，我觉得稳了（手动 dog）。
- [面渣逆袭-设计模式](https://javabetter.cn/sidebar/sanfene/shejimoshi.html)：下载次数超 1 万次，3000 字 10 张手绘图，详解 5 道 设计模式 面试高频题（让天下没有难背的八股），面渣背会这些 设计模式 八股文，这次吊打面试官，我觉得稳了（手动 dog）。
- [面渣逆袭-计算机网络](https://javabetter.cn/sidebar/sanfene/network.html)：下载次数超 1 万次，2.2 万字 80 张手绘图，详解 63 道计算机网络面试高频题（让天下没有难背的八股），面渣背会这些计算机网络八股文，这次吊打面试官，我觉得稳了（手动 dog）。
- [面渣逆袭-Linux](https://javabetter.cn/sidebar/sanfene/linux.html)：下载次数超 1 万次，1 万字 2 张手绘图，详解 2 道 Linux 面试高频题（让天下没有难背的八股），面渣背会这些 Linux 八股文，这次吊打面试官，我觉得稳了（手动 dog）。
- [面渣逆袭-MyBatis](https://javabetter.cn/sidebar/sanfene/mybatis.html)：下载次数超 1 万次，6400 字 30 张手绘图，详解 23 道 MyBatis 面试高频题（让天下没有难背的八股），面渣背会这些 MyBatis 八股文，这次吊打面试官，我觉得稳了（手动 dog）。
- [面渣逆袭-操作系统](https://javabetter.cn/sidebar/sanfene/os.html)：下载次数超 1 万次，1 万字 51 张手绘图，详解 34 道操作系统面试高频题（让天下没有难背的八股），面渣背会这些 OS 八股文，这次吊打面试官，我觉得稳了（手动 dog）。

## AI 编程实战

> AI Coding 工具实测、Agent 开发、Skills 配置、大模型评测与面试题，一手实践经验。

- [Magpie 实测与教程](https://javabetter.cn/sidebar/itwanger/ai/magpie-review.html)：Magpie 是开源的本机 AI 编码工具模型管理器与多协议网关，GitHub 已获 22.7k Star。本文实测用 Magpie 统一接管 Claude Code 与 Codex，拆解多账号智能路由、会话缓存保护、替身模型分流、死循环截断与套餐窗口预热机制。
- [字节Agent面试5问](https://javabetter.cn/sidebar/itwanger/ai/zijie-agent-graph-state-routing-mianshi.html)：字节火山方舟研发员工分享三年晋升涨薪与绩效体会，深入拆解5道生产级AI Agent面试真题，涵盖多类别流程路由准确性与逻辑控制、Graph状态图与动态DAG实现、跨请求长流程状态流转与撤销回滚、运行状态分级存储以及AI Coding工程实践。
- [携程Agent面试5问](https://javabetter.cn/sidebar/itwanger/ai/xiecheng-agent-tool-context-permission-mianshi.html)：携程员工分享十点上班、七八点下班、每周一天居家办公与爽用AI编程工具的WLB体验，深入拆解5道生产级AI Agent面试真题，涵盖多原子能力编排、短期对话上下文保留、历史上下文治理、压缩触发阈值与写操作权限控制。
- [豆包工作备课实测](https://javabetter.cn/sidebar/itwanger/ai/doubao-work-lesson-prep.html)：豆包工作实测，从一份洛阳理工AI实训开班稿出发，用PPT Skill生成15页杂志风课件，自动编排两天16节课排课表，并通过one-minute-remotion Skill完成RRF一分钟科普视频的文稿、配音、分镜与Remotion动画预览。
- [xiaom Agent面试5问](https://javabetter.cn/sidebar/itwanger/ai/xiaomi-agent-eval-memory-kvcache-mianshi.html)：xiaom员工分享15升16职级晋升体感，深入拆解5道生产级AI Agent工程面试题，涵盖代码生成质量评估与自动化评测、代码审查Agent防漏检设计、RAG与长上下文互补架构、长短期记忆治理及KV Cache推理加速原理。
- [京东Agent面试5问](https://javabetter.cn/sidebar/itwanger/ai/jingdong-codex-agent-mianshi.html)：京东员工用 Codex 帮同事修电脑看到辞职信与 offer 引发热议，深入拆解 5 道生产级 Agent 工程面试题，涵盖长上下文与 MCP 子进程治理、多租户与沙箱资源划分、千级并发沙箱调度、服务重启状态恢复与长周期行为漂移纠正。
- [蚂蚁RAG与Agent面试5问](https://javabetter.cn/sidebar/itwanger/ai/paismart-agent-intent-hallucination-mianshi.html)：蚂蚁员工吐槽应届生离了 AI 不会写代码，围绕派聪明企业级 RAG 与问答 Agent 的 5 道面试题，深入拆解负向反馈修正与评测回归、ReAct 意图识别与强制检索白名单、单次多意图并行与分步调用、以及三阶段幻觉治理。
- [AI编译器与GPU面试5问](https://javabetter.cn/sidebar/itwanger/ai/agent-mianshi-zijie-bianyiqi.html)：AI 编译器与 GPU 架构 5 道硬核面试题全解：AI 编译器岗位工作内容与字节 ByteIR/Flux/Triton-distributed、CPU 与 GPU 架构区别、GPU 存储层级与 TMA/线程块簇/张量内存、LLVM 与 MLIR 渐进式降级、主流 AI/GPU DSL 与昇腾寒武纪国产算子生态。
- [字节RAG面试4问](https://javabetter.cn/sidebar/itwanger/ai/agent-mianshi-zijie-compiler.html)：字节 AI 岗 4 道 RAG 面试题全解，混合检索为什么要两路召回、相关性分数怎么算、BM25 的三个因子与中文分词、RRF 倒数排名融合与 rerank 精排的分工，以及三种降级模式下分数的值域和阈值怎么定。
- [豆包工作无限画布](https://javabetter.cn/sidebar/itwanger/ai/doubao-work-canvas.html)：豆包工作无限画布实测，从一张宣传海报到 Logo 替换、分图层微调、横版延展，再到用 Remotion Skill 生成宣传视频，附完整提示词
- [派聪明RAG测评集实战](https://javabetter.cn/sidebar/itwanger/ai/paismart-rag-eval-set.html)：派聪明 RAG 测评集实战拆解，从 50 道题怎么出、Recall@K 和 MRR 怎么算，到重排序阈值调参、分块级标注和 LLM 评委人工校准，附真实评测数据和面试答法。
- [海康Agent面试7问](https://javabetter.cn/sidebar/itwanger/ai/haikang-robot-agent-mianshi.html)：海康机器人 Agent 岗 7 道面试题全解：Tool Registry 参数校验与异常兜底、串行调用大模型的超时控制、MCP stdio 子进程风险与生命周期、JavaParser 代码解析实测、Agent 频繁 GC、Kafka 削峰与重复消费、黑盒生产者的队列设计。
- [OpenMuse 源码实测](https://javabetter.cn/sidebar/itwanger/ai/openmuse-review.html)：OpenMuse 是 CopilotKit 开源的自托管个人 Agent，对标 Meta Muse。本文用 DeepSeek V4.1 Flash 在本地运行 OpenMuse，并结合源码拆解持久任务的租约与检查点、外部写操作的哈希审批、只读浏览器和断网终端的安全设计。
- [派聪明RAG+PaiCLI面试9问](https://javabetter.cn/sidebar/itwanger/ai/paismart-paicli-mianshi.html)：围绕派聪明 RAG 和 PaiCLI 终端 Agent 的 9 道面试题，讲透 Kafka 异步解析与重复消费、分片合并幂等、CompletableFuture 编排、线程池无界队列、分布式限流、任务恢复、大文件流式解析和多供应商熔断降级。
- [小米MiMo全梳理](https://javabetter.cn/sidebar/itwanger/ai/luofuli-xiaomi-mimo.html)：31 岁的罗福莉晋升小米 22 级。本文梳理小米 MiMo 从 MiMo-7B 到 MiMo-V2.6 的模型迭代、V2.6 的 RL 训练、下一代架构 HySparse2，以及 MiMo Code 和 MiMo Desktop 两款产品。
- [Opus 5.5 焚诀](https://javabetter.cn/sidebar/itwanger/ai/claude-opus-5-5-prompting-guide.html)：拆解 Claude 官方的 Opus 5.5 使用指南，面向 Claude Code 用户讲清楚 effort 档位怎么选、提示词怎么写终点线、长任务怎么不中途停下、Sub-agent 怎么拆活、被切到旧模型怎么办，附可直接使用的 CLAUDE.md 规则和提示词。
- [豆包工作SSH部署](https://javabetter.cn/sidebar/itwanger/ai/doubao-work-ssh-deploy.html)：豆包工作实测，通过 SSH 登录 Linux 生产服务器，完成派聪明 RAG 项目的部署准备、正式发布、失败回滚和浏览器验收，附四轮完整提示词
- [DeepSeek Harness 桌面版实测](https://javabetter.cn/sidebar/itwanger/ai/deepseek-harness-desktop.html)：DeepSeek Harness 桌面版实测，源码拆解桌面版和 WebUI 的区别、自动更新与登录机制，讲清 DSH 一切皆插件的插件机制，并推荐 better-sidebar、dsh-TUI 等插件。
- [华为AgentRAG面试题](https://javabetter.cn/sidebar/itwanger/ai/huawei-agent-rag-mianshi.html)：Agent面试题 RAG面试题 记忆污染 上下文压缩 提示词注入 混合检索 BM25 知识库 幻觉控制 MinIO上传
- [Codex + Jev 实测](https://javabetter.cn/sidebar/itwanger/ai/codex-jev.html)：在 Codex 中安装 Jev 判断模型实测，Agent 决策比 LLM 快 40-200 倍，便宜 40-400 倍，输出 Token 免费
- [飞书+豆包工作知识库](https://javabetter.cn/sidebar/itwanger/ai/feishu-doubao-knowledge-base.html)：用飞书+豆包工作把 300 多篇文章变成可查询的 AI 知识库，从上传到跨库检索到邪修用法的完整实测记录
- [又一款国产大模型，性价比拉满。](https://javabetter.cn/sidebar/itwanger/ai/step5-preview-vs-deepseek.html)：Step 5 Preview vs DeepSeek V4 Pro 三场景同题实测，用 Kimi Code 做统一 Harness，看八分之一 Opus 5 价格的国产旗舰模型到底能打多少成
- [MiniMax Code 测评](https://javabetter.cn/sidebar/itwanger/ai/minimax-code-cli.html)：MiniMax Code CLI v0.4.12 开源测评，从安装配置到源码架构拆解，分析 Turn Loop、工具系统、扩展注册等设计模式，为 PaiCLI 偷师
- [Kimi Code 实测](https://javabetter.cn/sidebar/itwanger/ai/kimi-code-shice.html)：Kimi Code 桌面版深度实测，用 K3 做赛博朋克像素街区和鹈鹕骑自行车动画，K2.7 和 K3 的实际差距一试便知
- [豆包工作录制回放](https://javabetter.cn/sidebar/itwanger/ai/doubao-work-browser-skill.html)：豆包工作浏览器录制与回放 Skill 实测，把抖音评论采集到飞书多维表格，录一次操作自动生成可复用 Skill
- [Skills 清理指南](https://javabetter.cn/sidebar/itwanger/ai/rethinking-skills-prompts-astra.html)：OpenAI 官方发布 Astra 时代提示词清理指南，逐条拆解四个核心方向，附可复制的审查提示词，覆盖 Claude Code 和 Codex 两个生态
- [Seed2.1 Pro 升级实测](https://javabetter.cn/sidebar/itwanger/ai/seed21-pro-upgrade-review.html)：字节 Seed2.1 Pro 升级实测，4 个 Case 从 SVG 动画到仙剑 RPG，看看豆包工作的底层模型到底强了多少
- [本地Coding Agent面试10问](https://javabetter.cn/sidebar/itwanger/ai/xiaomi-coding-agent-mianshi.html)：10 道本地 Coding Agent 工程面试题全解：完整链路、多模型后端、工具系统、上下文压缩与记忆治理，基于自研项目源码深度解析。
- [RustFS 替换 MinIO 实战](https://javabetter.cn/sidebar/itwanger/ai/rustfs-replace-minio.html)：MinIO 社区版归档后，RustFS 成为最受关注的替代方案。本文从产品评测到 Docker 部署、Spring Boot 对接、数据迁移，用派聪明 RAG 项目的真实代码走完全程。
- [字节AI测试面试10问](https://javabetter.cn/sidebar/itwanger/ai/agent-mianshi-zijie-aitest.html)：字节 AI 测试开发面试 10 问全解：Agent 任务拆解、人机协作、版权风险应对、合并有序数组从测试到百万级优化、大模型训练全阶段、SWE-bench 评测基准、AI 测试岗位理解。
- [DeepSeek V4.1 Flash 测评](https://javabetter.cn/sidebar/itwanger/ai/deepseek-v41-flash-review.html)：DeepSeek V4.1 Flash 实测 6 个 case，鹈鹕骑车、涂鸦 FPS、锦鲤池、流体模拟、暴力摩托、3D 玩具房，提示词全部开源
- [豆包开学季送3个月会员](https://javabetter.cn/sidebar/itwanger/ai/doubao-kaixueji.html)：大学生用豆包工作生成秋招两个月冲刺计划 PPT，附免费领3个月会员教程
- [亚信科技Agent面试10问](https://javabetter.cn/sidebar/itwanger/ai/yaxin-keji-agent-mianshi.html)：亚信科技与月之暗面签署登月计划合作协议，10 道 Agent 工程面试题全解：PaiCLI 架构设计、MySQL 索引失效、消息队列、多模态模型、Redis 缓存、RAG 混合检索、ReAct 实现、Agent 训练、记忆机制。
- [中行Agent面试12问](https://javabetter.cn/sidebar/itwanger/ai/agent-mianshi-zhonghang.html)：中行总部员工分享 22 万年薪"很满意"，12 道 Agent 面试题全解：RAG 瓶颈定位与架构优化、Badcase 归因、分布式限流、订单状态机、Vibe Coding 工程实践，附派聪明和 PaiCLI 简历包装。
- [美团Agent面试14问](https://javabetter.cn/sidebar/itwanger/ai/agent-mianshi-meituan.html)：美团 LongCat 大模型团队员工爆料，14 道 Agent 工程面试题全解：RAG（切块、混合检索、查询改写）、Agent 与 Harness 架构区别、上下文压缩、Prompt Cache、Vibe Coding 与 Spec Coding，附简历包装。
- [腾讯WorkBuddy Agent面试10问](https://javabetter.cn/sidebar/itwanger/ai/agent-mianshi-tengxun-4.html)：腾讯 WorkBuddy 千万月活背后的 Agent 工程化实力，附 10 道 Agent 面试题全解：容错恢复、LangGraph 工作流、异步工具调用、多模态 RAG、LoRA/DPO 微调、IVF 索引、游戏 NPC Agent。
- [阿里Qwen事业部Agent面试10问](https://javabetter.cn/sidebar/itwanger/ai/agent-mianshi-ali-qwen.html)：阿里 Qwen 事业部员工分享工作氛围与 AI 红利，附 10 道 Agent 面试题全解：ReAct 执行流程、Tool Message 设计、记忆系统、上下文压缩、多模态融合、Agent 训练、Redis 工程化。
- [豆包工作 Agent 测评](https://javabetter.cn/sidebar/itwanger/ai/doubao-work-review.html)：豆包工作 Agent 深度测评，字节在 Agent 时代推出的办公 AI 产品，多端同步、云电脑、Skill 调用、Seedance 创作实测
- [字节Agent面试9问](https://javabetter.cn/sidebar/itwanger/ai/agent-mianshi-zijie.html)：字节员工爆料 AI 面试作弊零容忍，9 道 Coding Agent 工程面试题全解：记忆系统、评测体系、容器迁移、行为漂移、Lost in the Middle 原理，附广告投放 Agent 场景设计题。
- [Ox Alpha 模型面试题](https://javabetter.cn/sidebar/itwanger/ai/ox-alpha-agent-interview.html)：匿名模型 Ox Alpha 上线 OpenRouter 和 OpenCode Zen，支持 100 万 Token 上下文和视频输入。本文通过 10 道 Agent 面试题拆解模型指纹识别、Tokenizer 探针设计、Agent 降级策略和模型适配层架构。
- [AI行业最值得投递的30家公司](https://javabetter.cn/sidebar/itwanger/ai/ai-30-gongsi-agent-mianshi.html)：综合技术含量、岗位数量、业务落地和履历价值，整理AI行业6大赛道30家公司投递指南，附10道Agent面试题深度解析，覆盖终端Agent工程实现和通用场景设计
- [DeepSeek V4 Pro 与 Harness Agent面试题](https://javabetter.cn/sidebar/itwanger/ai/deepseek-v4-pro-agent-mianshi.html)：DeepSeek V4 Pro 正式发布，Agent 能力大幅提升，支持 Responses API。12 道 Agent 面试题深入讲解模型路由、上下文工程、Harness 概念和 Responses API 的工程实现
- [宇树科技Agent面试11问](https://javabetter.cn/sidebar/itwanger/ai/agent-mianshi-yushu.html)：宇树科技员工爆料涨薪58%，11道具身Agent面试题全解：软件Agent与具身Agent区别、VLA模型、世界模型、Skill封装、任务拆解、Memory设计、仿真数据训练、OTA灰度发布，附简历包装模板。
- [京东Agent面试题](https://javabetter.cn/sidebar/itwanger/ai/agent-mianshi-jingdong.html)：京东 AI 产品生态与 Agent 面试题，涵盖 JoyCoder、JoyAgent、ReAct、Plan-and-Execute、MCP 工具设计、幂等机制、提示词注入防御、RAG 与工具调用边界等电商履约场景面试高频考点
- [赛力斯Agent面试11问](https://javabetter.cn/sidebar/itwanger/ai/agent-mianshi-sailis.html)：赛力斯员工爆料绩效被打C，11道座舱Agent面试题全解：端云切分、断网降级、安全边界、延迟预算、鸿蒙跨设备、车规OTA灰度、世界模型边界、Token年预算控制，附简历包装模板。
- [EvoX 蜂群Agent实测](https://javabetter.cn/sidebar/itwanger/ai/evox-swarm-agent-review.html)：EvoX 蜂群模式实测体验，支持 DeepSeek V4 Flash、GLM-5.2 等多模型底座，多 Agent 并行协作准确率从 26% 提升到 71%，联网自进化让 Agent 第一天就有经验可用
- [阿里Agent面试10问](https://javabetter.cn/sidebar/itwanger/ai/agent-mianshi-ali-375.html)：阿里375员工爆料加班潜规则，10道Agent工程面试题全解：购物Agent全链路、RAG实时性、MCP封装、工具动态加载、幂等补偿、大促降级策略，附简历包装模板。
- [DeepSeek Agent面试13问](https://javabetter.cn/sidebar/itwanger/ai/deepseek-harness-agent-mianshi.html)：DeepSeek Harness 内测招募引爆开发者社区，13 道 Agent 工程面试题全解：三路径架构、上下文压缩、混合检索、记忆设计、容错机制、context 管理，附简历包装。
- [鹅厂Agent面试11问](https://javabetter.cn/sidebar/itwanger/ai/agent-mianshi-tengxun-3.html)：腾讯鹅厂员工靠 AI 赚到钱引发热议，11 道 Agent 工程面试题全解：权限管控、审计记录、幂等性、长任务恢复、重试策略、模型路由、企业 Agent 价值评测，附 WorkBuddy 系统设计。
- [长鑫存储Agent面试10问](https://javabetter.cn/sidebar/itwanger/ai/agent-mianshi-changxin.html)：长鑫存储疯狂扩招 AI Agent 研发人员，10 道 Agent 面试题全解：Agent Memory 与 DRAM 区别、KV Cache 膨胀原理、推理瓶颈分析、记忆分层设计、上下文压缩、状态持久化与故障恢复。
- [Agent自进化与评测15问](https://javabetter.cn/sidebar/itwanger/ai/haikang-agent-eval-mianshi.html)：Agent 自进化与评测体系面试 15 问全解：从自进化数据提取到沙箱快照回滚，从评测 Harness 构建到 Go 重写实战，附 PaiCLI 简历模板。
- [DeepSeek V4 正式版适配 Codex](https://javabetter.cn/sidebar/itwanger/ai/deepseek-v4-flash-0731.html)：DeepSeek V4-Flash 正式版（0731）更新日志逐条拆解，原生支持 Responses API 适配 Codex、九项 Agent 基准、极简 Harness 测试条件、峰谷定价怎么算才不亏。
- [阿里Agent面试9问](https://javabetter.cn/sidebar/itwanger/ai/agent-mianshi-ali.html)：阿里员工爆料羡慕 Qoder 团队踩中 AI 红利，9 道 Agent 工程面试题全解：双十一级别生产化改造、框架选型、安全护栏、幻觉控制、多模态架构，附 PaiCLI 简历包装。
- [比亚迪Agent面试13问](https://javabetter.cn/sidebar/itwanger/ai/agent-mianshi-byd.html)：比亚迪员工4年年薪19万引发跳槽讨论，13道Agent工程面试题全解：工具调用失败处理、Memory双层设计、Prompt心得、Badcase分析、Vibe Coding交付，附简历包装。
- [中兴Agent面试12问](https://javabetter.cn/sidebar/itwanger/ai/agent-mianshi-zhongxing.html)：中兴员工爆料从华为跳槽到中兴，12道Agent工程面试题全解：提示词模板组装、单Agent vs 多Agent、分支覆盖率统计原理、代码插桩、Mock自动生成、Skills设计原理、LLM底层输入、Self-Attention计算，附场景题。
- [携程Agent面试14问](https://javabetter.cn/sidebar/itwanger/ai/agent-mianshi-xiecheng.html)：携程员工爆料4年月薪3万没涨薪但满足，14道Coding Agent面试题全解：Prompt组装、上下文三层压缩、Tool与Skill区别、多Agent编排、Plan设计，附源码级回答。
- [小米Agent面试12问](https://javabetter.cn/sidebar/itwanger/ai/agent-mianshi-xiaomi.html)：小米员工爆料 AI 成为核心产出，12 道 Agent 工程面试题全解：架构选型、上下文工程、查询改写、并行意图识别、Skills 设计、效果评估、Badcase 定位，附 TUI 设计和 Self-Attention 场景题。
- [生产级Agent设计12问](https://javabetter.cn/sidebar/itwanger/ai/agent-mianshi-shengchanji.html)：从上下文压缩到记忆管理，从 Token 排查到 Skill 渐进式披露，12 道生产级 Agent 工程设计面试题全解，附 PaiCLI 源码级工程细节和智能客服场景题设计思路。
- [腾讯Agent岗两轮15问](https://javabetter.cn/sidebar/itwanger/ai/agent-mianshi-tengxun-2.html)：腾讯 Agent 岗真实面经两轮 15 问全解：一面 RL 训练侧（SFT、reward hacking、PPO、GRPO），二面 Agent 工程侧（长文本、上下文记忆、harness、Skill 分层），逐题给出实现级答案。
- [腾讯Agent面试7问](https://javabetter.cn/sidebar/itwanger/ai/agent-mianshi-tengxun.html)：鹅厂 AI 岗真实面经 7 问全解：LLM 与 Agent 的区别、ReAct 执行流程、Agent 框架模块设计、MCP 与 tool、三层记忆系统、Skill 渐进式披露、输出质量保障，附面试官的学习建议清单。

## 开发工具

> 程序员常用开发工具的安装配置与使用教程。

- [DBeaver：一款免费的数据库操作工具](https://javabetter.cn/gongju/DBeaver.html)：DBeaver：干掉付费的 Navicat，操作所有数据库就靠它了！
- [Homebrew：macOS软件管理器](https://javabetter.cn/gongju/brew.html)：Homebrew，GitHub 星标 32.5k+的 macOS 命令行软件管理神器，功能真心强大！
- [chiner：国人开源的数据库设计工具](https://javabetter.cn/gongju/chiner.html)：chiner：干掉 PowerDesigner，国人开源的数据库设计工具，界面漂亮，功能强大
- [Chocolatey：Windows软件管理神器](https://javabetter.cn/gongju/choco.html)：chocolatey：一款 GitHub 星标 8.2k+ 的 Windows 命令行软件管理神器，好用到爆！
- [fastjson：阿里巴巴开源的JSON解析库](https://javabetter.cn/gongju/fastjson.html)
- [Forest：一款极简的声明式HTTP调用API框架](https://javabetter.cn/gongju/forest.html)
- [Gson：Google开源的JSON解析库](https://javabetter.cn/gongju/gson.html)
- [Jackson：GitHub上star数最多的JSON解析库](https://javabetter.cn/gongju/jackson.html)
- [Junit：一个开源的Java单元测试框架](https://javabetter.cn/gongju/junit.html)
- [Spring Boot整合Knife4j，美化强化丑陋的Swagger](https://javabetter.cn/gongju/knife4j.html)
- [Log4j：Java日志框架的鼻祖](https://javabetter.cn/gongju/log4j.html)
- [Log4j 2：Apache维护的一款高性能日志记录工具](https://javabetter.cn/gongju/log4j2.html)
- [Logback：Spring Boot内置的日志处理框架](https://javabetter.cn/gongju/logback.html)
- [SLF4J：阿里巴巴强制使用的日志门面担当](https://javabetter.cn/gongju/slf4j.html)
- [Tabby：开源终端工具](https://javabetter.cn/gongju/tabby.html)：Tabby：一款逼格更高的开源终端工具，GitHub 星标 50+k
- [Warp：21世纪终端工具](https://javabetter.cn/gongju/warp.html)：Warp：一款21世纪人用的终端工具，GitHub星标2.8k+，用完爱不释手
- [WindTerm：新一代终端工具](https://javabetter.cn/gongju/windterm.html)：WindTerm：新一代开源免费的终端工具，GitHub星标6.6k+，太酷了！

## 面经

> 真实校招/社招面试复盘。

- [社招，深漂6 年回西安](https://javabetter.cn/mianjing/chengxyspnhxagzl.html)：深漂 6 年了，回西安的一波面经总结✌️
- [二本读者两年经验社招上岸10家大厂](https://javabetter.cn/mianjing/huanxgzl.html)：社招两年半10个公司28轮面试面经
- [去字节了！SSP顶薪](https://javabetter.cn/mianjing/quzjlsspdx.html)：没有什么使我停留——除了目的，纵然岸旁有玫瑰、有绿荫、有宁静的港湾，我是不系之舟。
- [硕士读者春招上岸阿里云](https://javabetter.cn/mianjing/shanganaliyun.html)：春招斩获深圳腾讯 PCG 和杭州阿里云
- [本科读者一年经验社招上岸阿里](https://javabetter.cn/mianjing/shezynmjfxhelmtttjddd.html)：本科读者小公司一年工作经验社招拿下阿里美团头条京东滴滴等 offer✌️
- [非科班读者社招上岸阿里](https://javabetter.cn/mianjing/xuelybdzheloffer.html)：他本人学历一般，三非背景（非 985 / 非 211 / 非理工科) ，但凭借自己的努力，历经 6 轮面试，最终还是拿到了阿里的 Offer
- [双非学弟收割大厂offer附大学经验总结](https://javabetter.cn/mianjing/zheisnylzldhzd.html)：双非学弟收割阿里、字节、B站校招 offer，附大学四年经验总结，硬核！