小米 Java 岗位的面试难度并不大，问题也较为常规，主要以技术八股文为主，手撕算法题基本来自 Leetcode 上的常见题目，整体难度适中。下面，分享一篇武汉小米 Java 岗位的校招面经（一二面核心问题整理，附带详细参考答案），大家可以感受一下具体的面试难度。

你好，我是小 G。很多时候我感叹 AI 时代给我带来的冲击，是从一些小事引起的。在过去，我写一篇技术文章最少需要花费一周，长一点的甚至要一个月。其中，有 1/3 的时间都花费在了枯燥的配图上。熟悉我的读者朋友应该知道，上的所有配图都是用 draw.io 手动绘制的。每一篇文章都有大量的图解，帮助理解。但是到了 AI 时代就彻底变了，尤其是对于 draw.io 配图来说。在去年 skill 还没火的

ACP 目前还处于快速发展阶段，2025 年底才正式进入 Beta。更多 Agent 支持：Cursor、Windsurf 等热门 AI 工具可能会推出 ACP ServerPer-Project 配置：JetBrains 的 Issue 追踪显示，他们正在计划支持项目级别的 ACP 配置社区生态：随着协议开放，可能会出现更多第三方 Agent。

向量索引算法是向量数据库的核心，它的核心任务是解决一个数学难题：如何在海量的高维向量中，极速地找到和给定查询向量最相似的那几个。它的本质，是一种空间划分和数据组织的艺术。如果没有索引，我们要找一个相似向量，就必须把数据库里所有的向量都比较一遍，这叫暴力搜索。在百万、亿级的数据量下，这种方法的延迟是灾难性的。向量索引的目标，就是通过预先组织好数据，让我们在查询时能够智能地跳过绝大部分不相关的向量，只

Lithe 不是 JetBrains 官方产品，当前文档也没有承诺兼容 IntelliJ 插件或覆盖 IDEA 的所有高级能力。最重要的是这只是一个个人项目，功能可能并不完善，也有一些体验问题。所以，大家在用之前也不要抱有特别高的期待。我个人用下来觉得，个人做到这种程度，已经非常厉害了，这也是为什么我愿意写一篇文章分享的原因。我是真挺佩服作者的。

这是一个基于 Spring Boot 4.0 + Java 21 + Spring AI 2.0 的 AI 智能面试辅助平台。智能简历分析：上传简历后，AI 自动进行多维度评分并给出改进建议模拟面试系统：基于简历内容生成个性化面试题，支持实时问答和答案评估RAG 知识库问答：上传技术文档构建私有知识库，支持向量检索增强的智能问答项目地址完整代码完全免费开源，没有 Pro 版本或者付费版！

这篇文章介绍了的定位、输出规则和使用方法。它用一组面向 Coding Agent 的规则，约束答案与下一步行动的顺序、多步骤任务的进度表达，以及报错、时间估算和完成状态的写法。文章还整理了项目在 Codex 和 Claude Code 中的安装、启用与常驻配置，并给出了其他支持平台的安装文档入口。SKILL.md。

聊到这里，你应该已经能抓住 Hooks 的重点了：它会在 Claude Code 的关键节点自动执行固定动作，例如格式化、危险命令检查、权限通知。自动格式化放在，危险命令和敏感文件拦截放在PreToolUse，离开电脑时想及时收到提醒，就用。就我个人使用经验来说，不建议大家刚开始就配太多，没太大意义，还容易乱。先把这三个 Hook 跑稳。尤其是安全和权限规则，宁可收紧范围、慢慢补，也别一上来就自动

OpenHands 早期最吸引人的标签，是一个能够自己读取代码、运行命令和完成开发任务的开源 Agent。现在再看这个项目，它已经开始处理另一个越来越明显的问题：Codex、Claude Code、Gemini CLI 都有自己的入口，DeepSeek Harness 等新 Agent 也在不断出现。它们分散在不同终端、Web UI、会话和机器上，很难形成一套持续运行的工作流。

OpenHands 早期最吸引人的标签，是一个能够自己读取代码、运行命令和完成开发任务的开源 Agent。现在再看这个项目，它已经开始处理另一个越来越明显的问题：Codex、Claude Code、Gemini CLI 都有自己的入口，DeepSeek Harness 等新 Agent 也在不断出现。它们分散在不同终端、Web UI、会话和机器上，很难形成一套持续运行的工作流。