袁志刚 - 6.16 考后直奔杭州 Java 后端（含 AI Agent 经验）实习极速面试准备计划

🎯 核心求职定位与破局战略

• 定位：Java 研发实习生（主打差异化优势：大模型应用 / AI Agent / RAG 落地工程化实践）
• 核心卖点：
  1. AI 大模型工程落地能力（超级护城河）：Spring AI + AI Agent（多步编排、工具白名单过滤、挂起与恢复、大模型事实提取记忆系统）+ 基于 Pgvector 的完整 Hybrid RAG 检索（多路召回 + RRF 融合 + Reranker 精排）+ 基于 Redisson 滑动窗口的双通道限流与基于 JVM 内存的 FAQ 语义缓存优化。
  2. 高并发后端基本功（防线保障）：Caffeine + Redis 二级缓存一致性，Redis + Lua 一人一单高并发秒杀优化，Redis 延迟队列与事件订阅异步解耦削峰。
  3. 扎实的基础背景：华北理工计算机本科，GPA 前 20%，CET-6，蓝桥杯省二。
• 算法通关策略（主攻 LeetCode Hot 100 核心 35 题）：
  • 针对阿里、蚂蚁、网易、有赞等杭州中大厂的算法手撕硬性要求，绝不进行盲目题海战术。
  • 核心战术：每天抽出 1.5 - 2 小时精刷并手写 2-3 道 Hot 100 中最具代表性的中等/简单题，掌握经典模板与套路。重点关注链表、双指针、二叉树和回溯（大厂超高频必考）。

---

📅 黄金备战与投递时间线 (5.31 - 6.30)

由于您期末考试科目备考压力较轻，且手上无其他项目，从今天起开启每日 6-8 小时高强度备战模式，备考与求职多轨运行：

阶段	时间段	精力分配	核心任务
第一阶段：高能黄金备战期	5.31 - 6.4 (5天)	每日 6-8 小时	1. 简历防线建立：对照下文“简历防御系统”，彻底抠烂简历上两个项目的技术实现细节，整理出 1-3 分钟自我介绍与项目答辩词。 2. 算法突击：刷完算法极速题单的前 15 题（链表、双指针、滑动窗口）。 3. 传统八股：复习 Java 集合（HashMap/ConcurrentHashMap 源码）、Java 并发核心（AQS, 线程池, 锁升级）。
第二阶段：试水投递与核心进阶期	6.5 - 6.10 (6天)	每日 6-8 小时（扣除考前突击）	1. 开启试水投递：在 Boss 直聘投递杭州的中小厂、中型互联网公司，磨练真实面试手感。 2. 算法进阶：精刷题单中的二叉树与回溯模块。 3. 传统八股：MySQL（B+树、隔离级别、MVCC）与 Redis（双写一致性、穿透击穿雪崩、分布式锁原理）。 4. 考试轻量突击： - 6.9 晚上 + 6.10 下午：全力突击《机器学习》与《Web 应用开发》（腾出半天到一天极速通关）。
第三阶段：冲刺与蓄水决战期	6.11 - 6.17 (7天)	每日 4-5 小时力保考试，其余时间求职	1. 全力备考：主攻《软件架构与设计模式》（给 1-1.5 天），保障全部科目顺利高分通关！ 2. 网申蓄水：6.12 左右开始在 Boss / 牛客网疯狂投递杭州心仪的第一梯队大厂 / 中厂（阿里系、网易、蚂蚁、有赞），把面试约到 6.18 及以后。 3. 快速过一遍 AI 大模型与 RAG 专项面试八股，保持代码和理论手感。
第四阶段：全职面试狂飙期	6.18 - 6.30 (考后)	全天拉满	1. 直奔杭州（或进行高频线上线下面试）。 2. 保持每日投递 30+，每日 1-2 场面试的节奏。 3. 重要：每场面试后 1 小时内必须复盘录音，没答好的点立即查漏补缺，更新八股库。

---

💻 算法手撕极速突击：LeetCode Hot 100 必背 35 题

大厂手撕重在套路，以下 35 题为大厂 Java 岗最爱考的经典高频题，请确保能在 IDE / 纸上无编译错误地快速写出：

1. 链表模块（最高频，要求无条件一次性手撕成功）

• LC 206. 反转链表 (Easy) —— 核心中的核心，熟练掌握双指针迭代与递归写法。
• LC 141. 环形链表 (Easy) —— 快慢指针判断是否有环。
• LC 142. 环形链表 II (Medium) —— 快慢指针找环入口（数学推导 $a=c+(n-1)(b+c)$ 要会）。
• LC 21. 合并两个有序链表 (Easy) —— 经典迭代或递归。
• LC 25. K 个一组翻转链表 (Hard) —— 阿里、网易超高频手撕题，掌握分组反转的迭代解法。
• LC 160. 相交链表 (Easy) —— 浪漫的双指针指针相遇法。

2. 双指针与滑动窗口（解决数组与字符串的利器）

• LC 1. 两数之和 (Easy) —— 一次哈希映射。
• LC 15. 三数之和 (Medium) —— 排序 + 双指针左右夹逼（去重细节是重难点）。
• LC 3. 无重复字符的最长子串 (Medium) —— 滑动窗口经典，各厂超高频。
• LC 11. 盛最多水的容器 (Medium) —— 左右指针向内收缩。
• LC 209. 长度最小的子数组 (Medium) —— 滑动窗口，动态调节窗口大小。

3. 二叉树与深度/广度优先搜索（理解递归与分治）

• LC 102. 二叉树的层序遍历 (Medium) —— 队列实现 BFS 经典模板。
• LC 226. 翻转二叉树 (Easy) —— 递归基础。
• LC 104. 二叉树的最大深度 (Easy) —— 递归基础。
• LC 236. 二叉树的最近公共祖先 (Medium) —— 递归经典，极其高频。
• LC 94. 二叉树的中序遍历 (Easy) —— 递归与非递归（栈辅助）实现。

4. 回溯算法（掌握“万能回溯模板”）

• LC 46. 全排列 (Medium) —— 最基础的回溯（不含重复元素）。
• LC 39. 组合总和 (Medium) —— 元素可重复选取的剪枝回溯。
• LC 22. 括号生成 (Medium) —— 左右括号数量约束下的回溯。

5. 动态规划与贪心（理解状态转移方程与贪心策略）

• LC 70. 爬楼梯 (Easy) —— 基础斐波那契，动态规划入门。
• LC 121. 买卖股票的最佳时机 (Easy) —— 一次遍历维护最低价格与最大利润。
• LC 322. 零钱兑换 (Medium) —— 完全背包问题的 DP 实现（大厂常考）。
• LC 300. 最长递增子序列 (Medium) —— $O(n^2)$ 的 DP / $O(n\log n)$ 的二分查找（阿里爱问优化版）。
• LC 53. 最大子数组和 (Medium) —— 动态规划或贪心解法。
• LC 198. 打家劫舍 (Medium) —— 经典相邻不重复选取 DP。
• LC 55. 跳跃游戏 (Medium) —— 贪心维护最大可达范围。

6. 栈、队列与快速排序相关

• LC 20. 有效的括号 (Easy) —— 辅助栈应用。
• LC 215. 数组中的第 K 个最大元素 (Medium) —— 大厂必考！ 堆排序（Java PriorityQueue）或快速选择算法（Quick Select，必须掌握）。

7. 二分查找与哈希/矩阵（精准定位与空间换时间）

• LC 704. 二分查找 (Easy) —— 经典折半查找基础。
• LC 34. 在排序数组中查找元素的第一个和最后一个位置 (Medium) —— 二分查找左右边界极高频变体。
• LC 33. 搜索旋转排序数组 (Medium) —— 变形二分，判断哪侧有序并针对性查找。
• LC 128. 最长连续序列 (Medium) —— 哈希去重实现 $O(n)$ 复杂度查找。
• LC 48. 旋转图像 (Medium) —— 顺时针旋转二维矩阵（原处修改）。
• LC 240. 搜索二维矩阵 II (Medium) —— 从右上角或左下角消减行列的经典检索法。

8. 图论与拓扑排序（契合项目任务编排与依赖管理）

• LC 207. 课程表 (Medium) —— 经典拓扑排序，判断有向图是否有环（DFS / BFS 入度表），与 AI Agent 任务编排状态机设计高度相关。

---

🛡️ 简历核心战壕防御系统（面试官灵魂发问与高分对答模板）

第一防御阵地：苍穹外卖 AI 智能客服 Agent

问 1：大模型容易产生工具调用幻觉，如何识别用户意图并防止 LLM 陷入无限的工具调用死循环（Tool Call Loop）？

• 答题套路：
  1. 层级级联意图识别与工具白名单：我不把系统几十个 Function Tools 一股脑塞给大模型，而是先使用轻量级 Prompt / 语义识别（或 Spring AI Advisor）识别出大类意图（如“购物车意图”）。只给 LLM 下发对应的 工具白名单（如仅下发购物车相关的 6 个 Tools ），从物理上阻断无关幻觉。
  2. 最大调用轮次截断：在 Spring AI Tool 调用执行拦截器中配置计数，限制单次会话最大工具调用次数（Max Tool Call Count = 3）。
  3. 调用签名防御：在拦截器中检测工具入参 of the 哈希签名，如果连续出现相同入参的连续调用，判定为幻觉死循环，立即主动熔断并转为人工。

问 2：在多步任务编排中，涉及高风险操作（如批量取消、退款），如果网络抖动或系统崩溃，状态如何恢复？如何保证安全？

• 答题套路：
  1. 工作流状态持久化：不依赖大模型连续输出，而是将“查询-核对-退款”拆解为有序的步骤状态机。
  2. Redis 挂起与异步确认：当遇到“退款”、“取消”等高风险步骤时，后台不自动执行，而是通过 Redis 持久化一个 WAITING_CONFIRM 挂起状态与当前上下文，并将确认卡片推送给前端。待用户点击“确认”触发 REST API 后，再从 Redis 中反序列化上下文恢复执行。
  3. 动态超时预算：设置步骤级别的超时熔断（Timeout Budget），超时未确认则自动作废或回滚状态，系统可用性达 99.5%。

问 3：用户记忆系统如何避免噪音数据并差异化注入上下文？如何保证数据的实时修正？

• 答题套路：
  1. 异步提取与置信度过滤：对话结束后，异步将对话上下文投递至任务队列，调用 LLM 提取结构化事实（偏好、忌口等）。为了避免闲聊噪音，设定置信度阈值（Confidence Score = 0.7），低于 0.7 自动丢弃。
  2. 三档粒度差异化注入：为了防止上下文膨胀，根据意图类型对记忆进行差异化注入：例如“点单意图”注入全量喜好，“地址意图”仅注入摘要，无关意图不注入。
  3. 审计与用户修正：提供 REST API 允许用户手动修改或删除错误的记忆事实，并保留审计变更历史，是个性化推荐准确率提升的工程基础。

问 4：你们的 Hybrid RAG 是如何落地并保证 99.4% 客服回答准确率的？

• 答题套路：
  1. 差异化切片（Chunking）：针对 QA 常见问答按“问答对”切分；对于 Markdown 文档，按照一二级标题物理层级切割，并在子 Chunk 中携带父级 Title 路径，保留语义上下文。
  2. 双路检索（Hybrid Search）：在线阶段，利用 Pgvector 进行向量相似度检索（语义召回），同时利用 MySQL/ElasticSearch 进行传统全文检索（精准词匹配）。
  3. 混合融合与重排（RRF + Reranker）：两路结果各取 Top N，使用 RRF（互惠排名融合）算法进行无监督得分融合，最后送入 BGE-Reranker 重排模型做精准精排，只留 Top 3 喂给 LLM，大幅削弱了大模型的幻觉。
  4. 查询扩展（Query Expansion）：利用大模型对用户模糊提问进行同义词扩展与纠错（Query Rephrase），提升检索召回率。

问 5：如何应对高频 FAQ 带来的算力浪费与 WebSocket 长连接流控？

• 答题套路：
  1. Advisor 最前置语义缓存：在 Spring AI Advisor 链最前端，将 FAQ 数据全量异步拉取到 JVM 本地 ConcurrentHashMap 缓存。用户提问时，直接计算提问向量与 FAQ 向量的余弦相似度，若相似度 > 0.95 则直接短路返回标准答案，跳过后续 RAG 和大模型生成。
  2. Redis Pub/Sub 广播更新：当后台 FAQ 变更时，发布 faq_sync 广播，多实例节点订阅后异步重载本地缓存，确保多实例缓存的最终一致性。
  3. 双通道限流保护：基于 Redisson 滑动窗口限流器，对 HTTP 接口（AOP 切面拦截）与 WebSocket 长连接通道（WebSocketHandler 拦截）进行双重流控，保障昂贵的大模型算力不被刷爆。

问 6：针对订单状态流转的并发竞争和支付回调，后端如何做防重/防超卖/幂等保障？

• 答题套路：
  1. 条件更新（CAS思想）实现原子写：在修改订单状态时（如从未支付修改为已支付），SQL 使用条件控制 update tbl_order set status = 2 where id = xxx and status = 1，保证流转不出现并发竞争。
  2. 唯一约束拦截重复回调（幂等保障）：设计“支付回调记录表”以 trade_no（或者支付平台流水号）作为唯一索引。回调进来先插入记录表，利用数据库唯一约束强制拦截重复回调，确保支付链路幂等性。

---

第二防御阵地：黑马点评高并发实战

问 1：高并发下如何实现 Caffeine 与 Redis 的二级缓存一致性？

• 答题套路：
  1. 读取链路：Caffeine 本地缓存（最快） -> Redis 分布式缓存 -> MySQL 数据库。
  2. 缓存失效策略：采用**“先更新数据库，再删除 Redis 缓存”**的主动失效策略。
  3. 二级同步一致性：为了同步清除各应用节点的 Caffeine 本地缓存，利用 Redis 的 Pub/Sub 机制（或 Canal 监听 binlog 投递至 RabbitMQ 消息队列）。当 Redis 缓存被删除时，发布一条删除本地缓存的消息，所有 JVM 节点订阅后同步失效本地 Caffeine，保障多级缓存最终一致性。

问 2：秒杀场景下，如何解决“超卖”和“一人一单”高并发下的并发竞争问题？

• 答题套路：
  1. 库存预扣减 + Lua 脚本：把秒杀资格校验（库存是否充足、用户是否已经购买过）下沉到 Redis。使用 Lua 脚本将“校验库存”、“校验一人一单”、“扣减库存”打包成单线程原子性操作，直接阻断了高并发下的并发穿透。
  2. Redisson 分布式锁兜底：为了防止极端情况下集群环境中的一人一单失效，在生成订单阶段，使用以 userId 为 key 的 Redisson 分布式锁进行锁控制，配合锁的看门狗机制（自动续期）及防止释放他人锁的 UUID 校验。
  3. 延迟队列与削峰：预扣减成功后，将抢单成功的 userId 与 voucherId 投递到 Redis 延迟队列/消息队列中，后台异步消费生成订单，实现削峰填谷。

---

📚 传统核心八股极速通关点

1. Java 核心与并发

• HashMap 源码：1.7（数组+链表，头插法死循环）与 1.8（数组+链表+红黑树，尾插法，红黑树阈值 8 与 64）区别，扩容机制（2倍扩容，hash & oldCap == 0 的位置保持，否则为 index + oldCap）。
• ConcurrentHashMap：1.7的分段锁（Segment 继承自 ReentrantLock），1.8的 CAS + synchronized（锁链表/红黑树的头节点），锁粒度显著细化。
• 线程池：7大核心参数，4大拒绝策略，线程池的工作流程（核心线程 -> 阻塞队列 -> 最大线程 -> 拒绝策略），合理配置线程数（CPU密集型为 $N+1$，IO密集型为 $2N$ 或根据公式计算）。
• AQS (AbstractQueuedSynchronizer)：底层原理（state状态变量、双向 CLH 队列、CAS 竞争锁），ReentrantLock 的非公平与公平实现。
• JMM (Java 内存模型)：可见性、原子性、有序性，volatile 关键字原理（禁止指令重排、内存屏障、强制刷新主内存，但无法保证 i++ 的原子性）。

2. MySQL 与 Redis 数据库

• MySQL 索引：B+树的结构（为什么不用二叉树/红黑树？层高低，IO次数少；为什么不用B树？非叶子节点不存数据，单页能存更多键值；便于范围查询）、聚簇索引与非聚簇索引、最左前缀法则、索引失效场景。
• 事务与隔离级别：ACID 特性（原子、一致、隔离、持久）、四种隔离级别（读未提交、读已提交、可重复读、串行化）。
• MVCC (多版本并发控制)：底层原理（ReadView 读视图、Undo Log 回滚日志、隐藏列 trx_id 和 roll_pointer）。
• Redis 双写一致性：延迟双删、MQ异步更新、Canal binlog订阅。
• 缓存三山：
  • 穿透（查不存在的 Key）：布隆过滤器、缓存空值。
  • 击穿（热点 Key 失效）：逻辑过期（异步构建）、互斥锁（SETNX）。
  • 雪崩（大批 Key 同时失效）：随机过期时间、Sentinel/Cluster集群、多级缓存。
• 分布式锁实现：SETNX 缺点，Redisson 核心（Watch Dog 自动续期，Lua 脚本原子加锁与释放）。

3. Spring 框架

• IoC 与 AOP：控制反转与面向切面编程。JDK 动态代理（代理接口）与 CGLIB 代理机制（子类代理，代理类不能被 final 修饰）。
• Bean 生命周期：实例化 -> 属性填充 -> 初始化前（BeanPostProcessor.postProcessBeforeInitialization） -> 初始化（InitializingBean/init-method） -> 初始化后（AOP代理在此产生） -> 销毁。
• 循环依赖：三级缓存解决原理（一级缓存单例池，二级缓存早期暴露半成品，三级缓存 ObjectFactory 代理工厂解决 AOP 动态代理 Bean 提前暴露）。