度子都是好人， 面试官是个很好的人，全程就聊了聊项目，然后聊了聊ai ，聊得很愉快，就结束了

许愿， 给我过吧，求求了。

一开始，我看这位大佬似乎头发有点稀疏（难道这是程序员的归宿）， 我以为会很难，结果很常规，好人呐，给我过吧。许愿，许愿

1. 当时为什么选择了java 这个方向呢（昨天刚问）

   1. 回答： 大一时尝试了各个方向，比如python做爬虫，比如用c做一些开发。后面还是觉得 java对于web开发的生态更加好，也是觉得java更加符合我的预期

2. 那你平时是会使用到一些ai工具吗

   1. 回答： 是的， 我会在学习上去使用，以及 编程上 cursor 开发前端

3. 当时为啥选择要写这样一个项目呢（昨天问过了）

   1. 回答： 我最开始接触ai 是coze 平台，当时还是免费版，可以做一些系统提示词，知识库这些，我就做一个智能体出来，给我身边的同学使用。然后后来chatgpt出了学习模式，有一位大佬就把提示词给弄出来了， 我就尝试在各个类似coze平台上去设置这个提示词，也是用到了百炼平台，spring ai alibaba也是出了1.0 ，看到别人做了一个智能体出来， 我也在想，我能不能做一个出来呢，于是我就开始尝试，然后参考别人的项目，最后也是磕磕绊绊给完成了

4. 你这个模型采用的是哪个， 是调用api 还是自己搭的， 收费大概什么样子

   1. 回答： 千问-plus ， 是调用阿里的， 收费，平台注册每个模型有100wtoken。

5. 你的这个ai助手， 似乎流式输出有点问题 ，回答没有完就结束了，这个可能是什么原因

   1. 回答： 可能是前端的原因， 我看他的实现是 将数据先存到列表中， 然后再从列表中输出，形成一个打字机的样式

6. 那你的协议是什么呢

   1. 回答： sse ， 服务器主动向客户端发送

7. 你用的过程中 也遇到这个问题了吗

   1. 回答： 我做了一些简单的测试，没有太长的一些对话

8. 现在主流开发ai 的语言是python ，你当时为什么没有选择使用python来实现这个，还是说你更熟悉java

   1. 回答： 一方面是比较熟悉， 另一方面 我一开始选择java，就是java它对web开发更友好，但是ai发展，以及其他的语言的出现，比如go ，php ，让java开发web优先级不是那么高。如果说能用java来开发ai，说不定会进一步的提高java 的地位，然后也是看到spring ai 的出现，就想体验一下用java开发ai 到底能开发到什么程度

9. 你一直说是java 开发web 更友好， 你是从哪方面考虑的呢

   1. 回答： 一个是他的生态比较好，springboot一统天下之后，各种对于springboot的依赖层出不穷，比如我的oj判题系统中，使用到了docker java 这样一个库，它就是用来在java 中用编程的方式来实现对java的操控 。 另一个是他的学习路线比较清晰，从servlet-> springboot ，能逐步感受到web开发的一个更新迭代这样

10. 那你知道哪些公司在用java

▼
text
复制代码
1.  回答： 最大的肯定是阿里， 然后美团 ， 然后可能滴滴也在用， 其他的不太了解了

▼
text
复制代码
2.  面试官： 你说的java开发web ，就是jsp ，spring 这些， 其实这些还是比较重的，属于j2ee的范畴了， 其实我们去写一些中小规模的项目，可能使用php或者golang更多一点，没有必要去用java，当然使用java也会更好，但是其实是你自己的选择问题了， 对于服务端，可能golang 可能性能会更好。 因为现在的开发不是十年前了， 现在都是前后端分离了，后端其实用什么接口其实无所谓的。

11. 你简历里提到ReAct模式， 那什么是ReAct模式呢（老生常谈了）

▼
text
复制代码
1.  主要是分层次。首先是一个 BaseAgent ，在这里做了: 做了状态管理， 记忆管理，最大步数限制， 以及agentic loop 的实现： 判断如果没有达到最大步数/ai的状态没有达到结束的状态，就会循环。循环中执行 单次执行，然后这个单次执行 是在ReActAgent 抽象类中， 这里实现了 单次执行的方法 step，在方法中主要是调用think 与act 方法， 这两个方法是交给了toolcallAgent，toolCAllAgent 实现了think 与act 方法， think方法是：调用一次ai，通过cot思维链提示词，让他进行思考，选择出他要调用的工具，将结果存储到ChatResponse中，交给act方法，act 方法中 获取所有要执行的工具， 然后设置记忆，然后调用ai执行工具，并将结果记录到记忆中。再次循环这样子

12. 你为什么选择openmanus 呢，比如说能够实现ReAct这种很多比如langchain

▼
text
复制代码
1.  回答： 当时manus 大火， 然后非常戏剧性的 一个小团队就把这个东西给复现出来了， 然后就知道了这个东西（笑）
2.  面试官： 你是从今年开始去了解ai开发的知识是吧，那我就理解了，因为其实langchain当时在23年是最火

13. 你觉得openmanus 在应用性/可移植性上有什么问题吗

▼
text
复制代码
1.  回答： 因为他的请求，包括记忆管理这些都是他们自己去实现的。 那如果说出现了更好的方式 ，那你就需要对这个代码进行调整。对于一些配置的话，他是需要去改动源代码什么的

14. 你简历上有三个项目， 那你在这些项目中遇到的最大的困难是什么（前面一直问的问题，一招鲜也是）

▼
text
复制代码
1.  回答： 分布式登录的解决 和ai 记忆版本上的解决

15. 从这些项目中觉得你获得的最大的成就是什么

▼
text
复制代码
1.  回答：比如说我学习docker ，那我在学习过程中 就认为docker 只是方便我们进行部署的一个中间件。 通过oj 系统这个项目，我发现它居然是可以做代码沙箱的。 做项目这件事情让我缩短了理论与实践之间的一个差距， 让我发现了这些技术栈他的其他用途， 看到你从一个想法，最后做到一个能在网页上正常访问的一个网站，去给到我身边的同学去使用。他们会夸我大佬呀什么的（笑）

16. 微服务与docker之间有什么关系吗

▼
text
复制代码
1.  回答： docker 对于微服务的部署会更好， 微服务是多个模块，使用docker compose就可以实现快速部署

17. 有一台自动售货机要上市了，让你设计测试用例，你怎么设计（想遍了所有会遇到了bug，刷过的面试题中要注意的东西）

▼
text
复制代码
1.  回答： 功能上： 首先要打开柜门， 你要人脸识别， 那这个就需要测试。 比如 一个照片， 一个人，两个人一起，没有人的情况， 两个人比较像，如何辨别，同时使用多台同时进行一个人的信息获取，会不会出现问题
2.  然后就是打开柜门，你要拿东西，然后结算。 那结算的金额是否正确： 不拿东西，拿一个东西，拿多个东西，拿走大部分
3.  然后付钱这个动作， 如果有很多人同时去付钱，能不能正确完成，金额上： 一个物品是不是一个物品的价格，两个物品是不是两个价格相加，如果有优惠卷，那如何处理
4.  还有程序在机器上能不能兼容，会不会出现运行一段时间，不能正常运行
5.  如果说网络不太好，用户进行了支付操作，出现了网络波动，那这个你是如何处理的，如果支付失败，那是会要求重新支付，还是有其他办法
6.  用户往里面放一些自己的东西，那你会不会给一些提醒
7.  还有 比如： 多个用户同时支付， 那性能上会不会有影响，比如返回速度迅速变慢
8.  如果使用异步做订单处理，那延迟不能太长
9.  尝试将服务器打崩， 看他会不会有高可用的考虑：比如redis集群，nacos集群。 还有就是报错了，那是直接把错误的堆栈信息发给前端，还是有一个固定的策略。
10.  用户的流量比较大的情况下，有没有做限流，比如用户频繁开关门，
11.  有没有做熔断降级， 比如出现了一个重大bug，比如金额计算出现了问题，那有没有一个处理直接截断这个服务，使用代替方案，或者直接返回服务不可用
12.  日志记录上： 有没有问题
13.  如果 有人直接调用接口，会不会直接修改了金额。对接口做一个测试，比如用户信息为空， 或者用户信息错误，有没有做处理
14.  如果把人脸识别这个步骤当做是登录操作，那我不登录能不能直接调用接口。如果存储信息用的是session，那有没有将session与售货机的ip绑定在一起。如果使用token有没有做重放攻击的处理
15.  面试官说思路还挺全，测的还挺全

18. 如果没有红绿灯的十字路口，你要如何安全通过（这块不好，其实我准备时见到这个题了，但我是懒狗，没做，别骂了）

▼
text
复制代码
1.  回答：让出租车载一下你
2.  后面反问了这个问题： 天桥 ， 警察， 绕路

反问

1. 您觉得ai未来发展方向可能是什么 ， 编程方向的

   1. 我先说了： 可能上下文长度（详细见高顿java实习的一面）
   2. 面试官： 目前ai编程确实会有问题， 我们让ai做的更多的一个事就是辅助编程，ai能生成的可用代码可能只是一个片段，或者某个函数，或者单个类。 至于单项目，这个目前来看还是有难度的，这个不单是上下文的大小问题。 其实现在的上下文可能100万，200万，那这 100 万中， 工具调用要占用一部分，系统提示词要占一部分，安全性的检测要占一部分，还有你对话上下文多次交互这些东西。所以其实真正可用的token其实没有很多。真正可用的可能40-50% 那样，那提示词能不能完全解决， 比如我提示词扩大到1000万，能不能解决 ，也很难。 因为现在大模型在训练使用了海量数据， 整体的生成步骤是缺少上下文的信息，包括你的个人的编程习惯问题，你整体的架构设计的拆解，你整体的交互过程，那这些都是上下文。你缺少这些，实际上生成的是通用化的，生成的是类似的代码，比如我写一个vue项目，和他写一个vue项目，基本上大致代码是相似的，但是我和他在架构上的拆解，编码风格，我们是不一样的，我们要把这些告诉他，他只有知道这些，才能生成符合个人风格的这些代码。 这是从上下文来说了。
   3. 另一个就是从知识的角度，你不能把你所有的代码都丢给ai，让他学习你的风格，你的习惯，他可能也学不到。你要明确告诉他你的风格，你的人设，你喜欢怎么去拆分。 一方面是上下文，另一方面就是通过一些精简的知识去告诉他，这会减少一部分上下文的消耗。
   4. 目前来看， 我其实并不觉得上下文不会无限增长，因为目前来看的话100万的上下文其实已经到顶了，再去增加更多的上下文，对于整体的投资回报比（roi）来说，比如延迟的要求，并没有一些增进，因为你的上下文越多，你消耗的K-Vcache就会越多，那你整个推理花费的时间就会越多，那你花费的能源就会越多，你计算资源就会越多。 他与整体的roi 不是一个正比的，甚至会降低，这是资源上。
   5. 另一个是从整个的压缩性能上来看，你更多的上下文，意味着你要有更好的压缩算法，transform 这种架构，他的核心原理就是去做压缩，将你所有输入的token去压缩成一个token，然后拿这一个token去fin 的算法中去预测下一个token，选一个概率更高的。 那你很容易把一个10万20万的token压缩成一个，那100万我们也可以压缩，那1000万你怎么去压缩，就算能压缩，压缩也意味着线性丢失，在整个transform一定是有损压缩，不会是无损压缩，对吧，所以说上下文无限大，那要求你的压缩算法的性能无限的好，这个目前是不现实的。即便是100万token，我们能看到，你的上下文越多，反而输出的性能会越差，为什么呢，就是说他的压缩算法，压缩性能出现问题了，他会丢失很多信息。这可能与自注意力机制有很大关系。我觉得其实增加上下文来提示模型性能，不是一种特别好的方式，可能会有其他的更好的方式比如： 通过多轮的交互，一轮搞不定，我可以多轮，多轮可能不限制2 3 轮，可能20轮，30论 这些优化的过程中，会涉及到上下文的压缩，记忆的能力等等的一些过程。所以整体目前来看，编码这块，还是做辅助会更好一点
   6. 当然很多公司它可能在做让ai去生成项目，这种可能对于从0-1 是可以的，但是从1-100 的项目，涉及到多个团队，多个人，多种编码风格，目前来看还是有很大的挑战。反正这一块也是后续去看吧，可能不只是上下文的关系，可能是多个方面都需要研究与探索的

2. 您觉得未来，程序员的核心竞争力还是什么。因为ai发展，会有一种 比如 ： 都有ai了，我还学技术干什么呢

   1. 回答： 你可以去类比无人车： 你有没有发现所有买车的人，买无人车，或者其他车，他都需要有驾照。 ai它如何考核呢
   2. 所以即使在有大模型的情况下。 编程也不可能变成一个没有门槛的事情。你可以找你的文学系的同学，让他去使用cursor去生成一个很简单的冒泡排序，让他去调试，让他去把这个弄懂，给你讲出来，他能吗，很难。 因为这里面涉及到你的专业素养，你才能用相关的工具去做这个事情，这里面比如说debug的问题，环境的问题，不同版本的问题，编译器的问题。他不是说你有了大模型他都给你解决了，这是理想态，那现实中遇到的情况不是这样子的。 那大模型这么火，视频大模型这么火，也不是说人人都用大模型成为导演了，你在去看工具的发展，ps已经这么强大，便利的了， 也不是所有的人都会做批图，做设计。所以你要从多个方面去考虑
   3. 那其实在程序员这块，代码他是分层次的，最底层是操作系统级别的，架构级别的，在往上是中间件，包括nginx ，在网上是页面级别，增删改查级别的。我们刚才提到的，大部分都是停留在增删改查这个级别的。 那你有见过哪中间件是使用大模型来生成的，比如redis 对吧，有见过哪个底层操作系统是ai生成的，你也很难对吧。 还有复杂子系统 比如视频领域，f one 拍个 ，他很大，大模型能不能搞定它。他是很难的，因为整个项目是在不断迭代更新的，这是很庞大的，不是说写一次就完事了

最后也是聊得很开心。

许愿，许愿百度。