Fail-Fast机制

fail-fast 机制是Java集合(Collection)中的一种错误机制。 在用迭代器遍历一个集合对象时，如果遍历过程中对集合对象的结构进行了修改（增加、删除），则会抛出Concurrent Modification Exception（并发修改异常）。

Java魔法类：Unsafe

如上图所示，Unsafe提供的API大致可分为内存操作、CAS、Class相关、对象操作、线程调度、系统信息获取、内存屏障、数组操作等几类，下面将对其相关方法和应用场景进行详细介绍。

解决线程同步问题的思路

1. 互斥同步
   1. 加锁：synchronized 和 ReentrantLock。
2. 非阻塞同步
   1. CAS
   2. AtomicInteger
3. 无同步方案
   1. 要保证线程安全，并不是一定就要进行同步。如果一个方法本来就不涉及共享数据，那它自然就无须任何同步措施去保证正确性。

软件开发工程师的技术面试，一般分为三个部分：编程语言基础知识（俗称八股）、编程题、项目经验。

这篇记录下如何准备面试。

一、八股

不错的资料1：

https://www.pdai.tech/

Java 全栈知识点问题汇总（上）

Java 全栈知识点问题汇总（下）

不错的资料2：

Java Guide：https://javaguide.cn/home.html
小林图解：https://xiaolincoding.com/
On Java 8：https://github.com/rocLv/OnJava8
cs-note：https://cyc2018.xyz/

其实上面这些资料都挺全的，从入门到架构，都很详细，选一个自己喜欢的风格，认真复习即可。

二、算法题

刷题有两个方向：

• 按照知识点汇总
  • https://labuladong.online/algo/essential-technique/abstraction-of-algorithm/ （站在刷题者的角度写的教程，有付费内容，可以仅看免费部分）
  • https://www.programmercarl.com/ （默认语音是Python）
  • https://github.com/SharingSource/LogicStack-LeetCode/wiki
• 按照高频考题刷
  • https://codetop.cc/home

建议先按照知识点刷，先过一遍考点，整体复习一下，之后可以看看高频题。

三、项目经验

看看别人的面试经验，根据他的项目问题，思考自己的项目中遇到过什么问题，如何解决的。

（面经建议现搜索）

这里提供一些问题作参考：

1. 讲项目
2. 再讲个项目
3. 平时读什么源码
4. 对XX领域架构了解吗？（XX=电商、支付、物流）
5. 常见的限流算法有哪些，你们系统中是如何应用的？
6. 你的系统如何保障稳定性？

节后第二天，坐在工位不知道怎么开始干活，感觉要做的需求收益很低，但又不能不做；想看看机会，又不想在工位明目张胆，坐如针毡，非常难受。百无聊赖，写点东西，平复下心情。

这本书中，有对时间管理的认识，有对金钱的看法，有对职场经验的分享。整体上说，这本书还是对我有启发，尤其是在职场部分，例如《工资是职场最大的陷阱》。有时间的也可以看看，虽然这本书没有说明具体要如何做，但至少说了要做什么好。

没时间的话，可以抽空看看以几篇，这是我觉得还不错的文章（这些小章节均相互独立，百度即可搜到）。

1. 《要赚未来的钱》
2. 《你笑他们太low，他们笑你不懂》
3. 《高收入都是睡出来的》
4. 《摆脱低水平的勤奋陷阱，获得高水平的反思能力》
5. 《为什么别人是高管，你至少员工》
6. 《请警惕你的“弱者思维”》
7. 《不忘初心？也许“初心”没那么重要》
8. 《工资是职场最大的陷阱》
9. 《你的收入为什么还没有指数增长？》

---

偶然翻到自己在5年前写的读后感，人的记忆确实不靠谱，因为要不是翻到这篇读后感，我忘记了自己读过这本书，即使现在翻到这篇读后感，也忘记了每篇的内容是什么了。^_^

面向初学者的生成式人工智能课程

课程简介：微软云技术布道师团队提供的十二章系列课程，了解构建生成式 AI 应用程序的基础知识。

课程介绍和学习环境设置

代码资料：https://github.com/microsoft/generative-ai-for-beginners

第一章 : 生成式人工智能和 LLMs 介绍

学习目标，学习完本课程后，您将会了解到：

• 什么是生成式人工智能以及 LLMs 如何工作。
• 如何针对不同的使用 LLMs 的例子(这里我们重点关注教育场景)。

第二章 : 探索和比较不同的 LLMs

学习目标，完成本章学习后，您将会学习到：

• 为您的应用场景选择合适的模型。
• 了解如何测试、迭代和提高模型的性能。
• 了解企业如何部署模型。

第三章 ： 负责任地使用生成式人工智能

学习目标，学完本章内容后您将了解到：

• 构建生成式人工智能应用程序时负责任的人工智能的重要性。
• 在构建生成式 AI 应用程序时何时思考和应用 Responsible AI 的核心原则。
• 您可以使用哪些工具和策略来将 Responsible AI 的概念付诸实践。

第四章：提示工程基础

学习目标，在本章中，我们将了解什么是提示工程、为什么它很重要，以及如何针对给定的模型和应用程序目标制定更有效的提示。 我们将了解提示工程的核心概念和最佳实践，并了解交互式 Jupyter Notebooks“沙箱”环境，在 Notebooks 中我们可以看到这些概念应用于实际示例。

在本课结束时，我们将能够：

1. 解释什么是提示工程及其重要性。
2. 描述提示的组成部分及其使用方法。
3. 学习提示工程的最佳实践和技术。
4. 结合 OpenAI 将学到的技术应用于实际示例。

本章值得反复看，尤其是提示词使用那块

第五章：创建高级的提示工程技巧

学习目标，完成本课程后，您将能够掌握：

• 应用提示工程技术来改善提示结果。
• 执行多样化或确定性的提示。